语言识别算法研究与实现
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-13页 |
| 1.1 课题背景和研究意义 | 第7页 |
| 1.2 语音识别的发展历史与现状 | 第7-10页 |
| 1.2.1 发展历程 | 第7-8页 |
| 1.2.2 国外发展现状 | 第8-9页 |
| 1.2.3 国内发展现状 | 第9-10页 |
| 1.3 语音识别待解决的难题 | 第10-11页 |
| 1.4 论文主要研究内容 | 第11-13页 |
| 2 语音识别理论基础 | 第13-22页 |
| 2.1 语音信号简介与分类 | 第13-14页 |
| 2.1.1 语音信号简介 | 第13页 |
| 2.1.2 语音识别分类 | 第13-14页 |
| 2.2 语音识别的预处理 | 第14-18页 |
| 2.2.1 语音采样与量化 | 第15-16页 |
| 2.2.2 预加重、加窗和分帧 | 第16-17页 |
| 2.2.3 语音端点检测 | 第17-18页 |
| 2.3 语音识别的特征参数提取 | 第18-20页 |
| 2.3.1 线性预测系数以及线性预测倒谱系数 | 第18-20页 |
| 2.3.2 Mel倒谱系数 | 第20页 |
| 2.4 本章小结 | 第20-22页 |
| 3 常用语音识别算法研究 | 第22-35页 |
| 3.1 矢量量化技术 | 第22-24页 |
| 3.1.1 矢量量化的基本原理 | 第22-23页 |
| 3.1.2 矢量量化设计 | 第23-24页 |
| 3.1.3 矢量量化的优化 | 第24页 |
| 3.2 动态时间规整 | 第24-26页 |
| 3.2.1 动态时间规整基本思想 | 第24页 |
| 3.2.2 动态时间规整的原理 | 第24-26页 |
| 3.3 隐马尔可夫模型 | 第26-32页 |
| 3.3.1 隐马尔可夫模型原理 | 第27页 |
| 3.3.2 隐马尔可夫模型的基本元素 | 第27-28页 |
| 3.3.3 隐马尔可夫模型三个基本算法 | 第28-32页 |
| 3.4 人工神经网络 | 第32-33页 |
| 3.4.1 人工神经网络简介 | 第32页 |
| 3.4.2 人工神经网络在语音识别中的应用 | 第32-33页 |
| 3.5 几种算法的对比分析 | 第33页 |
| 3.6 本章小结 | 第33-35页 |
| 4 HMM模型存在的问题及改进 | 第35-45页 |
| 4.1 下溢问题 | 第35-36页 |
| 4.2 参数初始化问题 | 第36-37页 |
| 4.3 提升系统性能 | 第37-44页 |
| 4.3.1 端点检测 | 第37-40页 |
| 4.3.2 滤波与OOV语音拒识 | 第40-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 基于HTK的语音识别系统的设计与实现 | 第45-65页 |
| 5.1 HTK工具简介 | 第45-47页 |
| 5.2 语音识别系统的实现 | 第47-63页 |
| 5.2.1 整体流程设计 | 第47-48页 |
| 5.2.2 Linux系统裁剪 | 第48-50页 |
| 5.2.3 前期处理 | 第50-55页 |
| 5.2.4 HMM模型重估 | 第55-61页 |
| 5.2.5 识别结果测试 | 第61-63页 |
| 5.3 本章小结 | 第63-65页 |
| 6 结论 | 第65-67页 |
| 6.1 总结 | 第65页 |
| 6.2 展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 攻读硕士学位期间发表的论文 | 第70-71页 |
| 致谢 | 第71-73页 |
