| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目录 | 第9-11页 |
| 第一章 语音识别概述 | 第11-23页 |
| 1．1 序言 | 第11-13页 |
| 1．2 语音识别研究的历史与现状 | 第13-14页 |
| 1．3 语音识别学科与其它学科的关系 | 第14-15页 |
| 1．4 语音识别主要研究的技术问题 | 第15-18页 |
| 1．5 性能评测体系、语料库与主要技术成果 | 第18-20页 |
| 1．6 本文的主要研究工作和论文的安排 | 第20-23页 |
| 第二章 基于Bayes模式的语音识别模型分析 | 第23-44页 |
| 2．1 语音识别研究的基本问题 | 第23-25页 |
| 2．2 模板匹配模型 | 第25-31页 |
| 2．2．1 VQ模型 | 第25-27页 |
| 2．2．2 DTW模型 | 第27-31页 |
| 2．3 统计概率匹配模型 | 第31-39页 |
| 2．3．1 HMM模型 | 第32-37页 |
| 2．3．2 SM模型 | 第37-39页 |
| 2．4 动态规整搜索算法的连续语音识别系统模型解析 | 第39-41页 |
| 2．5 小结 | 第41-44页 |
| 第三章 语音端点检测技术 | 第44-60页 |
| 3．1 引言 | 第44-45页 |
| 3．2 基于语音时域特征参数的端点检测方法 | 第45-47页 |
| 3．3 基于语音频域特征参数的端点检测方法 | 第47-48页 |
| 3．4 基于字(词)结构时域特征的汉语连续语音端点检测 | 第48-53页 |
| 3．4．1 基于汉语字(词)短时峰谷点能量的端点检测方法 | 第49-50页 |
| 3．4．2 实验语料与测试数据 | 第50-52页 |
| 3．4．3 检测方法性能分析 | 第52-53页 |
| 3．5 基于多子带谱特征的汉语连续语音端点检测 | 第53-57页 |
| 3．5．1 时域端点检测方法存在的问题 | 第53页 |
| 3．5．2 基于汉语频域特征的端点检测算法 | 第53-55页 |
| 3．5．3 实验数据与分析 | 第55-57页 |
| 3．6 非确定性噪音环境下的脉冲整形法 | 第57-58页 |
| 3．7 小结 | 第58-60页 |
| 第四章 多种语音特征参数的识别性能分析 | 第60-76页 |
| 4．1 引言 | 第60-62页 |
| 4．2 线性预测系数特性分析 | 第62-65页 |
| 4．3 频域滤波器组设计 | 第65-68页 |
| 4．4 各种倒谱系数计算方法与物理特性分析 | 第68-72页 |
| 4．5 距离测度 | 第72-73页 |
| 4．6 各种特征的识别性能比较 | 第73-75页 |
| 4．7 小结 | 第75-76页 |
| 第五章 汉字音节整体结构识别模型设计与性能分析 | 第76-89页 |
| 5．1 汉语语音特点简述 | 第76-77页 |
| 5．2 汉语语音识别模型与性能 | 第77-79页 |
| 5．3 对汉语识别声学模型的深层分析 | 第79-81页 |
| 5．4 汉字音节MFCC向量整体模型的实现 | 第81-83页 |
| 5．5 实验与数据分析 | 第83-88页 |
| 5．5．1 帧数固定和帧长固定的汉字音节整体MFCC向量模型识别性能 | 第83-85页 |
| 5．5．2 某些影响汉字音节整体MFCC向量模型识别率的参数分析 | 第85-88页 |
| 5．6 小结 | 第88-89页 |
| 第六章 数字语音识别模型结构的比较性研究 | 第89-108页 |
| 6．1 引言 | 第89-91页 |
| 6．2 数字语音的基本特点 | 第91-92页 |
| 6．3 基于固定帧长观测向量序列的DTW结构的数字语音识别模型 | 第92-93页 |
| 6．4 基于固定帧数观测向量序列的DTW结构的数字语音识别模型 | 第93-95页 |
| 6．5 基于数字语音时频信息整体结构的单特征向量识别模型 | 第95-99页 |
| 6．6 数字语音MFCC向量序列整体模型的降噪设计与分析 | 第99-106页 |
| 6．6．1 模型的降噪设计与分析 | 第99-102页 |
| 6．6．2 数字语音识别算法处理流程 | 第102-104页 |
| 6．6．3 实验数据与分析 | 第104-106页 |
| 6．7 小结 | 第106-108页 |
| 第七章 总结与展望 | 第108-110页 |
| 参考文献 | 第110-117页 |
| 致谢 | 第117-118页 |
| 个人简历、在学期间参加的科研项目及发表的学术论文 | 第118-119页 |
