摘要 | 第1-7页 |
Abstract | 第7-15页 |
插图索引 | 第15-17页 |
表格索引 | 第17-19页 |
主要缩写对照表 | 第19-20页 |
主要符号对照表 | 第20-21页 |
第一章 绪论 | 第21-26页 |
·研究背景 | 第21-23页 |
·论文研究的主要工作及研究成果 | 第23-25页 |
·论文章节的安排 | 第25-26页 |
第二章 抗噪语音识别技术 | 第26-37页 |
·引言 | 第26页 |
·声学环境下的带噪语音生成模型 | 第26-27页 |
·抗噪声的语音识别技术 | 第27-36页 |
·抗噪声的语音特征 | 第27-30页 |
·语音增强 | 第30-33页 |
·噪声环境的模型补偿 | 第33-36页 |
·小结 | 第36-37页 |
第三章 基于HMM的语音识别系统 | 第37-49页 |
·引言 | 第37页 |
·HMM模型的基本原理 | 第37-43页 |
·HMM模型的基本结构 | 第38页 |
·基于HMM的孤立词语音识别 | 第38-39页 |
·HMM模型的训练 | 第39-42页 |
·Viterbi解码 | 第42-43页 |
·文中采用的语音识别实验系统 | 第43-48页 |
·评估数据库 | 第43-45页 |
·语音特征参数 | 第45-48页 |
·语音模型 | 第48页 |
·小结 | 第48-49页 |
第四章 基于非均匀谱压缩(NSC)技术的特征提取方法 | 第49-65页 |
·引言 | 第49-50页 |
·人类听觉感知特性 | 第50-51页 |
·听觉指数律 | 第50页 |
·听觉部分掩蔽效应 | 第50-51页 |
·感知非均匀谱压缩(PNSC)技术 | 第51-55页 |
·感知非均匀谱压缩(PNSC) | 第51-53页 |
·实验结果 | 第53-55页 |
·信噪比依赖非均匀谱压缩(SNSC)技术 | 第55-64页 |
·信噪比依赖非均匀谱压缩(SNSC) | 第56-57页 |
·实验结果与讨论 | 第57-64页 |
·小节 | 第64-65页 |
第五章 基于SNSC的模型自适应算法(MA-SNSC) | 第65-73页 |
·引言 | 第65-66页 |
·基于SNSC的模型自适应算法(MA-SNSC) | 第66-70页 |
·失配函数 | 第67-68页 |
·模型自适应 | 第68-70页 |
·实验评估 | 第70-71页 |
·小结 | 第71-73页 |
第六章 新的动态特征补偿方法(DPCM) | 第73-90页 |
·引言 | 第73-74页 |
·基于模型的补偿技术 | 第74页 |
·常用模型补偿算法的静态参数补偿 | 第74-77页 |
·线性谱域的补偿技术 | 第74-77页 |
·对数谱域的补偿技术 | 第77页 |
·常用模型补偿算法的动态参数补偿 | 第77-78页 |
·新的动态模型参数补偿方法(DPCM) | 第78-82页 |
·一阶动态参数补偿 | 第79-80页 |
·二阶动态参数补偿 | 第80-82页 |
·实验评估 | 第82-88页 |
·结论 | 第88-90页 |
第七章 基于SNSC的模型补偿技术(MC-SNSC) | 第90-117页 |
·引言 | 第90页 |
·信噪比依赖的非均匀谱压缩(SNSC) | 第90-91页 |
·基于SNSC-MFCC特征的模型补偿(MC-SNSC) | 第91-95页 |
·均值补偿 | 第92-93页 |
·协方差补偿 | 第93-95页 |
·基于带噪非压缩语音特征的语音模型 | 第95页 |
·实验评估 | 第95-109页 |
·Aurora 2.0语音库下的评估 | 第96-106页 |
·Ti语音库下的实验结果 | 第106-107页 |
·运算复杂度 | 第107-109页 |
·MC-SNSC算法的修正 | 第109-115页 |
·解相关 | 第109-111页 |
·g(γ),h(γ)和f(γ)的计算 | 第111-112页 |
·模型的补偿 | 第112-114页 |
·实验结果 | 第114-115页 |
·小节 | 第115-117页 |
结论 | 第117-119页 |
附录Ⅰ g(γ),h(γ),和f(γ)的计算 | 第119-122页 |
附录Ⅱ 基于压缩语音特征的二阶HMM模型参数的估计 | 第122-124页 |
参考文献 | 第124-134页 |
攻读博士学位期间完成的学术论文 | 第134-136页 |
致谢 | 第136页 |