首页--工业技术论文--无线电电子学、电信技术论文--通信论文--电声技术和语音信号处理论文--语音信号处理论文--语音识别与设备论文

小词汇量非特定人语音识别系统的研究

摘要第1-4页
Abstract第4-9页
1 绪论第9-13页
   ·引言第9页
   ·语音识别发展历程第9-11页
   ·语音识别研究面临的难点第11页
   ·本课题研究的目的和意义第11-12页
   ·本文的研究工作及组织安排第12-13页
2 语音识别的基础理论第13-33页
   ·语音识别的基本原理第13页
   ·语音信号的预处理第13-17页
     ·语音信号采样、A/D 转换第14-15页
     ·语音信号的预加重第15-16页
     ·语音信号加窗和分帧第16-17页
   ·语音端点检测算法实现及改进第17-24页
     ·短时平均能量和短时平均过零率第18页
     ·传统的双门限端点检测算法第18-20页
     ·对双门限端点检测算法的改进第20-24页
   ·特征参数的提取第24-31页
     ·线性预测系数(LPC)第24页
     ·线性倒谱系数(LPCC)第24-26页
     ·美尔频率倒谱系数(MFCC)第26-29页
     ·功率归一化倒谱系数(PNCC)第29-31页
   ·本章总结第31-33页
3 常用语音识别算法分析第33-57页
   ·DTW(动态时间规整)技术第33-38页
   ·隐马尔科夫模型(HMM)第38-43页
     ·HMM 的定义第38页
     ·HMM 的数学描述第38-39页
     ·HMM 在语音识别的运用第39-40页
     ·使用 HMM 需要解决的三个问题及相关算法第40-43页
     ·HMM 拓扑形式和状态个数以及分类第43页
   ·支持向量机(SVM)第43-44页
   ·三种算法的优缺点对比第44页
   ·HMM 算法实验仿真结果及分析第44-55页
     ·语音样本库的建立第45页
     ·基于 HMM 算法的语音识别系统说明第45-46页
     ·系统编程流程第46-53页
     ·实验结果及分析第53-55页
   ·本章总结第55-57页
4 支持向量机在语音识别中的应用第57-67页
   ·传统模式识别方法的不足第57页
   ·统计学习理论第57-59页
     ·经验风险最小化原则第58页
     ·结构风险最小化原则第58-59页
   ·支持向量机理论(support vector machine,SVM)第59-63页
     ·线性最优分类面第59-60页
     ·线性支持向量机第60页
     ·非线性支持向量机第60-62页
     ·支持向量机的实现第62页
     ·支持向量机的核函数第62-63页
   ·实验结果及分析第63-66页
     ·实验一不同核函数对 SVM 识别效果的影响第64-65页
     ·实验二不同核函数参数对 SVM 识别效果的影响第65-66页
   ·本章总结第66-67页
5 用粒子群算法优化支持向量机参数第67-87页
   ·粒子群优化算法第67-70页
     ·基本 PSO 算法(全局版)第67页
     ·标准粒子群算法第67-68页
     ·标准粒子群算法流程第68-69页
     ·标准粒子群算法参数分析第69-70页
   ·基于粒子群算法的 SVM 算法模型参数选择第70-74页
     ·SVM 模型核函数和模型参数的选择第70-71页
     ·PSO-SVM 参数优化算法原理第71-74页
   ·实验结果及讨论第74-85页
     ·预处理及端点检测第77-80页
     ·单个样本的演示效果第80-82页
     ·多个样本的演示效果第82-85页
   ·本章总结第85-87页
6 嵌入式语音识别系统的构成第87-97页
   ·系统硬件设计第87-92页
   ·系统软件设计第92-95页
     ·初始化第92-93页
     ·预处理第93页
     ·特征参数的提取第93页
     ·语音的识别第93-95页
   ·本章总结第95-97页
7 工作总结与展望第97-99页
   ·工作总结第97-98页
   ·后续工作与展望第98-99页
致谢第99-101页
参考文献第101-105页
附录第105页
 A 作者在攻读学位期间发表的论文目录第105页

论文共105页,点击 下载论文
上一篇:分簇ad hoc网络协同MIMO传输策略研究
下一篇:无线局域网圆极化微带阵列天线研究