基于隐马尔可夫模型的语音识别技术研究
摘要 | 第1-5页 |
Abstract | 第5-12页 |
1 绪论 | 第12-21页 |
·课题背景、目的和意义 | 第12页 |
·语音识别技术的发展现状及未来趋势 | 第12-14页 |
·语音识别技术概述 | 第14-16页 |
·语音识别系统的组成 | 第14-15页 |
·语音识别系统的分类 | 第15-16页 |
·语音识别技术简介 | 第16-19页 |
·动态时间规整(DTW)技术 | 第16-17页 |
·隐马尔可夫模型(HMM)技术 | 第17-18页 |
·人工神经网络(ANN)技术 | 第18-19页 |
·混合型识别技术 | 第19页 |
·论文所做的工作及结构安排 | 第19-21页 |
2 语音信号的产生和预处理 | 第21-28页 |
·语音信号的产生及数字化 | 第21-22页 |
·语音信号的预加重和加窗分帧 | 第22-23页 |
·语音信号的端点检测 | 第23-27页 |
·语音信号的时域分析 | 第23-25页 |
·语音信号的端点检测 | 第25-27页 |
·本章小结 | 第27-28页 |
3 语音特征参数提取 | 第28-35页 |
·线性预测倒谱系数 | 第28-31页 |
·线性预测的基本原理 | 第28-30页 |
·线性预测倒谱系数(LPCC) | 第30-31页 |
·Mel倒谱系数(MFCC) | 第31-34页 |
·Mel倒谱系数(MFCC) | 第31-33页 |
·Mel差分倒谱参数和MFCC分量的选择 | 第33-34页 |
·本章小结 | 第34-35页 |
4 基于HMM的语音识别系统研究 | 第35-46页 |
·HMM模型的理论基础 | 第35-38页 |
·马尔可夫(Markov)过程和Markov链 | 第35-36页 |
·隐马尔可夫模型的基本概念 | 第36-37页 |
·HMM的类型 | 第37-38页 |
·HMM模型的基本算法 | 第38-42页 |
·输出概率估值 | 第38-39页 |
·最优状态序列的确定 | 第39-40页 |
·模型参数的估计 | 第40-42页 |
·HMM模型在语音识别中的应用 | 第42-45页 |
·HMM状态数与高斯混合数的选取 | 第42-43页 |
·HMM初始模型的选择 | 第43-44页 |
·Viterbi算法的处理 | 第44-45页 |
·本章小结 | 第45-46页 |
5 试验仿真及结果分析 | 第46-62页 |
·语音数据的采集及语音库的建立 | 第46-47页 |
·HMM语音识别试验仿真流程 | 第47-54页 |
·端点检测 | 第47-51页 |
·特征提取 | 第51-52页 |
·CHMM训练 | 第52-53页 |
·CHMM识别 | 第53-54页 |
·系统编程流程 | 第54-55页 |
·系统仿真试验及结果分析 | 第55-60页 |
·系统仿真中的若干问题 | 第60-61页 |
·本章小结 | 第61-62页 |
6 总结与展望 | 第62-64页 |
·论文工作总结 | 第62页 |
·课题展望 | 第62-64页 |
参考文献 | 第64-67页 |
个人简历 | 第67页 |
攻读学位期间发表的论文 | 第67-68页 |
致谢 | 第68页 |