一种基于RBF神经网络的命令集语音识别系统研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·前言 | 第8页 |
| ·语音识别的发展状况 | 第8-11页 |
| ·语音识别技术发展状况 | 第8-9页 |
| ·语音识别系统现有成果 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·语音识别系统组成 | 第11-12页 |
| ·论文主要工作及论文组织 | 第12-13页 |
| 第二章 语音信号前端处理 | 第13-22页 |
| ·语音信号预处理和端点检测 | 第14-17页 |
| ·预加重 | 第14页 |
| ·分帧和加窗 | 第14-15页 |
| ·端点检测 | 第15-17页 |
| ·语音信号特征参数提取 | 第17-20页 |
| ·线性预测参数LPC | 第17-18页 |
| ·线性预测倒谱参数LPCC | 第18-19页 |
| ·Mel频率倒谱参数MFCC | 第19-20页 |
| ·时间归整 | 第20-22页 |
| 第三章 语音识别算法 | 第22-31页 |
| ·DTW | 第22-23页 |
| ·HMM | 第23-24页 |
| ·ANN | 第24-31页 |
| ·人工神经网络 | 第24-27页 |
| ·对神经网络在语音识别中的正确认识 | 第27-29页 |
| ·人工神经网络在语音识别中优势 | 第29-31页 |
| 第四章 RBFNN模型 | 第31-41页 |
| ·RBFNN介绍 | 第31-33页 |
| ·RBFNN结构建立方法 | 第33-37页 |
| ·K均值聚类算法 | 第33-34页 |
| ·样本信息聚类算法 | 第34-36页 |
| ·自适应聚类算法 | 第36-37页 |
| ·RBFNN训练方法 | 第37-41页 |
| ·LMS | 第37-38页 |
| ·改进的训练方法 | 第38-41页 |
| 第五章 实验分析 | 第41-55页 |
| ·实验原理 | 第41页 |
| ·语音资料库 | 第41-42页 |
| ·端点检测 | 第42-44页 |
| ·语音信号特征参数 | 第44-46页 |
| ·RBFNN隐层设计方法 | 第46-49页 |
| ·RBFNN训练算法的改进 | 第49-52页 |
| ·时间归整 | 第52-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-59页 |
| 攻读硕士期间发表的论文 | 第59页 |
