基于神经网络的嵌入式语音识别系统研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| Content | 第9-12页 |
| 第一章 绪论 | 第12-19页 |
| ·语音识别概述 | 第12页 |
| ·国内外语音识别技术的发展历史及现状 | 第12-15页 |
| ·语音识别的发展历史 | 第13-14页 |
| ·语音识别的应用现状 | 第14-15页 |
| ·语音识别系统的分类及基本构成 | 第15-16页 |
| ·语音识别系统的分类 | 第15-16页 |
| ·语音识别系统的基本构成 | 第16页 |
| ·论文研究背景及项目要求 | 第16-17页 |
| ·论文主要工作和创新点 | 第17页 |
| ·论文的组织架构 | 第17-19页 |
| 第二章 语音识别基本原理 | 第19-36页 |
| ·语音信号的数学模型 | 第19-21页 |
| ·语音信号声学模型 | 第19-20页 |
| ·人耳听觉模型 | 第20-21页 |
| ·语音信号的预处理 | 第21-24页 |
| ·语音信号预加重 | 第21页 |
| ·语音信号的分帧加窗 | 第21-22页 |
| ·语音信号的端点检测 | 第22-24页 |
| ·语音信号的特征参数提取 | 第24-29页 |
| ·线性预测系数(LPC) | 第25-26页 |
| ·线性预测倒谱系数(LPCC) | 第26页 |
| ·美尔频率倒谱系数(MFCC) | 第26-28页 |
| ·语音帧之间的特征 | 第28-29页 |
| ·语音识别的主要算法 | 第29-35页 |
| ·矢量量化技术 | 第29-30页 |
| ·动态时间规整(DTW) | 第30-32页 |
| ·隐马尔可夫模型(HMM) | 第32-33页 |
| ·高斯混合模型(GMM) | 第33-34页 |
| ·人工神经网络(ANN) | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第三章 BP神经网络集成 | 第36-50页 |
| ·神经网络基本概念 | 第36-38页 |
| ·神经元模型 | 第36-37页 |
| ·神经网络的训练 | 第37页 |
| ·神经网络的分类 | 第37-38页 |
| ·使用神经网络需要注意的问题 | 第38页 |
| ·BP神经网络 | 第38-40页 |
| ·BP神经网络结构 | 第38-39页 |
| ·BP网络学习算法 | 第39-40页 |
| ·BP网络的局限性 | 第40页 |
| ·神经网络集成 | 第40-45页 |
| ·神经网络集成概述 | 第40-42页 |
| ·BP_Adaboost算法 | 第42-45页 |
| ·集成网络中个体的差异性 | 第45页 |
| ·改进措施 | 第45-48页 |
| ·K-means聚类算法 | 第46页 |
| ·KASWT设计步骤 | 第46-48页 |
| ·BP神经网络集成在语音识别系统中的应用 | 第48页 |
| ·本章小结 | 第48-50页 |
| 第四章 桌面平台实验及结论分析 | 第50-58页 |
| ·语音数据的来源 | 第50-51页 |
| ·语音信号预处理 | 第51-53页 |
| ·端点检测和特征参数提取 | 第51页 |
| ·特征参数的时间规整网络 | 第51-53页 |
| ·网络的构建 | 第53页 |
| ·实验结果 | 第53-57页 |
| ·matlab平台 | 第53-56页 |
| ·VC6.0平台 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 嵌入式语音识别系统设计与实现 | 第58-69页 |
| ·嵌入式语音识别系统需求 | 第58页 |
| ·硬件特点 | 第58-60页 |
| ·Android简介 | 第60-63页 |
| ·Android系统环境搭建 | 第63-66页 |
| ·源码编译 | 第63-64页 |
| ·系统烧写 | 第64-65页 |
| ·Android开发环境搭建 | 第65-66页 |
| ·实验结果 | 第66-67页 |
| ·系统评测 | 第67-68页 |
| ·本章小结 | 第68-69页 |
| 总结与展望 | 第69-71页 |
| 全文总结 | 第69页 |
| 工作展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间发表论文 | 第75-77页 |
| 致谢 | 第77页 |
