| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·研究背景与意义 | 第9-10页 |
| ·相关研究的评述 | 第10-13页 |
| ·HMM/SVM框架研究现状 | 第10-12页 |
| ·语音活动检测研究现状 | 第12-13页 |
| ·相关研究评述 | 第13页 |
| ·研究的主要内容 | 第13-15页 |
| 第2章 相关理论与算法 | 第15-29页 |
| ·相关概念的界定与说明 | 第15-17页 |
| ·语音 | 第15页 |
| ·语音活动检测 | 第15-17页 |
| ·机器学习 | 第17页 |
| ·语音信号的相关理论 | 第17-24页 |
| ·语音信号的基本原理 | 第17-19页 |
| ·语音信号的特征 | 第19-23页 |
| ·语音信号的预处理 | 第23-24页 |
| ·语音活动检测的基本算法 | 第24-29页 |
| ·门限阀值判决法 | 第24-25页 |
| ·模式匹配法 | 第25-26页 |
| ·多特征检测法 | 第26-29页 |
| 第3章 基于HMM的语音活动检测算法框架 | 第29-39页 |
| ·HMM模型的适用性分析 | 第29-35页 |
| ·马尔科夫链 | 第29-31页 |
| ·HMM模型运用于语音活动检测的关键问题 | 第31-35页 |
| ·基于HMM的语音活动检测的基本算法 | 第35-39页 |
| ·特征提取 | 第35-36页 |
| ·HMM模型框架 | 第36-37页 |
| ·HMM模型训练 | 第37-38页 |
| ·HMM语音活动检测判决 | 第38-39页 |
| 第4章 基于HMM/SVM框架的语音活动检测算法的设计 | 第39-55页 |
| ·机器学习算法 | 第39-44页 |
| ·基本算法 | 第39-42页 |
| ·一致性条件 | 第42-43页 |
| ·VC维与推广性 | 第43-44页 |
| ·支持向量机模型 | 第44-49页 |
| ·基本分类模型 | 第45-47页 |
| ·核函数 | 第47-48页 |
| ·SVM的分类方法 | 第48-49页 |
| ·基于HMM/SVM的语音活动检测算法 | 第49-55页 |
| ·HMM/SVM应用于语音活动检测的必要性和优越性 | 第50页 |
| ·算法框架 | 第50-51页 |
| ·HMM模型 | 第51-52页 |
| ·网络模型 | 第52-53页 |
| ·分类器 | 第53页 |
| ·HMM概率到SVM特征向量的转换 | 第53-55页 |
| 第5章 试验与运用 | 第55-63页 |
| ·实验环境 | 第55页 |
| ·核函数实验 | 第55-58页 |
| ·算法比较 | 第58-63页 |
| 研究结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读学位期间所发表的学术论文目录 | 第71页 |