| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-15页 |
| 第一章 绪论 | 第15-22页 |
| ·语音识别的意义 | 第15-16页 |
| ·语音识别简史和国内外发展现状 | 第16-17页 |
| ·稳健性语音识别 | 第17-20页 |
| ·论文的主要内容 | 第20-22页 |
| 第二章 连续语音识别的整体模型 | 第22-35页 |
| ·语音学基础 | 第22-23页 |
| ·实验用语音库 | 第23-24页 |
| ·中文语音语料库的音节切割和标识 | 第23页 |
| ·噪声语料库 | 第23-24页 |
| ·连续语音识别整体模型 | 第24-25页 |
| ·特征参数的提取 | 第25-26页 |
| ·声学模型 | 第26-27页 |
| ·识别单元选取 | 第26页 |
| ·HMM模型 | 第26-27页 |
| ·语言模型 | 第27-30页 |
| ·N-gram模型的平滑语言模型 | 第28-29页 |
| ·N-gram模型的复杂度计算 | 第29-30页 |
| ·音字转换 | 第30-31页 |
| ·汉语连续语音识别的研究平台 | 第31-34页 |
| ·研究平台的功能与界面 | 第31-32页 |
| ·连续语音识别结果 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 说话人归一化技术 | 第35-46页 |
| ·声道长度归一化 | 第36-39页 |
| ·频率折叠的方法 | 第36页 |
| ·频率折叠因子的估计 | 第36-38页 |
| ·共振峰频率的计算 | 第38-39页 |
| ·基于巴克双线性变换的频率折叠 | 第39页 |
| ·基于双线性变换的声道长度归一化 | 第39-42页 |
| ·双线性变换 | 第40页 |
| ·分段双线性变换 | 第40-41页 |
| ·全通变换 | 第41-42页 |
| ·实验与分析 | 第42-45页 |
| ·声道长度归一化技术在孤立词识别中的应用 | 第42-44页 |
| ·声道长度归一化技术在连续语音识别中的应用 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 信道分类与语音增强技术 | 第46-62页 |
| ·基于GMM的电话信道分类 | 第46-50页 |
| ·电话信道下的连续语音识别 | 第46-48页 |
| ·信道环境的分类分析 | 第48-49页 |
| ·GMM信道分类和连续语音识别系统 | 第49-50页 |
| ·语音增强 | 第50-54页 |
| ·多带谱减法 | 第50-51页 |
| ·短时谱估计 | 第51-52页 |
| ·瞬时维纳滤波 | 第52页 |
| ·子空间法 | 第52-54页 |
| ·信号子空间和听觉掩蔽效应的联合降噪 | 第54-57页 |
| ·基于DCT的子空间降噪 | 第54-55页 |
| ·基于听觉掩蔽效应的语音增强 | 第55-56页 |
| ·子空间降噪和后置感知滤波 | 第56-57页 |
| ·语音降噪算法的性能评估 | 第57-60页 |
| ·分段信噪比 | 第58页 |
| ·加权谱斜率测度 | 第58页 |
| ·实验结果 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 第五章 端点检测 | 第62-71页 |
| ·谱熵 | 第62页 |
| ·特征空间能量熵 | 第62-67页 |
| ·特征空间能量熵的定义 | 第63-64页 |
| ·能量可变噪声环境下的话音检测 | 第64-65页 |
| ·有色噪声环境下的特征空间能量熵 | 第65-67页 |
| ·实验与分析 | 第67-70页 |
| ·和谱熵的结果比较 | 第67-68页 |
| ·话音检测在孤立词识别中的应用 | 第68-69页 |
| ·对实际连续语音信号的话音检测 | 第69页 |
| ·门限选取 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 基于概率模型的特征补偿 | 第71-83页 |
| ·非高斯概率模型的推理 | 第71-79页 |
| ·观测矢量的概率生成模型 | 第71-73页 |
| ·矢量Taylor级数展开 | 第73-74页 |
| ·联合高斯混合分布 | 第74-76页 |
| ·Algonquin算法 | 第76-77页 |
| ·贝叶斯去噪 | 第77-79页 |
| ·特征补偿与最优化原理 | 第79-81页 |
| ·四种特征补偿算法的通用表达式 | 第79-80页 |
| ·基于Laplace方法的推理 | 第80-81页 |
| ·实验与分析 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 第七章 不确定性解码 | 第83-93页 |
| ·预测误差对特征分类的影响 | 第83-84页 |
| ·基于p(y|s)的不确定性解码 | 第84-88页 |
| ·基于SPLICE的不确定性解码 | 第84-86页 |
| ·基于联合高斯分布的不确定性解码 | 第86-87页 |
| ·基于0阶Taylor级数展开的不确定性解码 | 第87-88页 |
| ·基于p(x|s)的不确定性解码 | 第88-91页 |
| ·实验与分析 | 第91-92页 |
| ·本章小结 | 第92-93页 |
| 第八章 基于语音增强、特征补偿和不确定性解码的联合算法 | 第93-99页 |
| ·特征补偿的误差分析 | 第93-95页 |
| ·联合补偿算法 | 第95-97页 |
| ·实验与分析 | 第97-98页 |
| ·本章小结 | 第98-99页 |
| 结束语 | 第99-102页 |
| 致谢 | 第102-103页 |
| 参考文献 | 第103-112页 |
| 作者在学期间取得的学术成果 | 第112页 |