| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-18页 |
| ·语音识别的基本概念 | 第9-11页 |
| ·预处理 | 第9页 |
| ·特征提取 | 第9-10页 |
| ·模式匹配 | 第10-11页 |
| ·语音识别系统的分类 | 第11-13页 |
| ·孤立词、连接词和连续语音识别系统 | 第11-12页 |
| ·大词汇量和小词汇量语音识别系统 | 第12-13页 |
| ·语音识别的研究进展 | 第13-17页 |
| ·语音识别的发展 | 第13-15页 |
| ·语音识别技术的研究现状 | 第15-17页 |
| ·本论文的内容安排 | 第17-18页 |
| 第二章 语音特征参数分析 | 第18-28页 |
| ·特征参量评价方法 | 第18-19页 |
| ·语音信号的产生过程 | 第19-20页 |
| ·常用的特征语音参数 | 第20-28页 |
| ·LPC 倒谱参数 | 第20-25页 |
| ·MEL 倒谱参数（Mel－Frequency Cepstral Coefficients： MFCC） | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第三章 矢量量化在语音识别中的应用 | 第28-37页 |
| ·引言 | 第28页 |
| ·矢量量化方法（Vector Quantization） | 第28-35页 |
| ·矢量量化的原理 | 第29-30页 |
| ·矢量量化器的最佳码本设计 | 第30-31页 |
| ·矢量量化的LBG 算法 | 第31-34页 |
| ·初始码本的设置及畸变准则的选择 | 第34-35页 |
| ·模糊矢量量化(Fuzzy Vector Quantization) | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 HMM 模型在语音识别中的应用 | 第37-47页 |
| ·贝叶斯估计理论 | 第37-40页 |
| ·贝叶斯估计的基本定义 | 第37-39页 |
| ·MAP 估计 | 第39页 |
| ·ML 估计 | 第39-40页 |
| ·EM(Expectation-maximization)算法 | 第40页 |
| ·HMM 模型 | 第40-46页 |
| ·HMM 模型简介 | 第40-42页 |
| ·HMM 基本算法 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 基于 VQ-HMM 的语音识别算法 | 第47-53页 |
| ·前言 | 第47页 |
| ·VQ-HMM 算法 | 第47-48页 |
| ·利用分段模糊聚类算法的VQ-HMM 参数估计 | 第48-49页 |
| ·基于VQ 和HMM 的无教师说话人自适应 | 第49-50页 |
| ·基于VQ 和HMM 的无教师说话人自适应算法 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第六章 语音识别系统的实现与测试结果 | 第53-60页 |
| ·引言 | 第53页 |
| ·语音数据库和语音参数提取 | 第53页 |
| ·基于矢量量化（VQ）的汉语孤立数字识别 | 第53-56页 |
| ·应用VQ 的语音识别过程 | 第54-55页 |
| ·基于模糊矢量量化（Fuzzy VQ）的汉语孤立数字识别 | 第55-56页 |
| ·基于隐马尔可夫模型（HMM）的汉语孤立数字识别 | 第56页 |
| ·基于VQ-HMM 的汉语孤立数字识别 | 第56-58页 |
| ·基于VQ 和HMM 的无教师说话人自适应算法的实验结果 | 第58-59页 |
| ·本章小节 | 第59-60页 |
| 结束语 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文 | 第67页 |
