| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第一章 绪论 | 第12-17页 |
| ·课题研究的背景和意义 | 第12页 |
| ·国内外语音识别的发展和研究现状 | 第12-15页 |
| ·语音识别的发展 | 第12-14页 |
| ·语音识别的研究现状 | 第14-15页 |
| ·语音识别面临的挑战 | 第15页 |
| ·本文研究内容及章节安排 | 第15-17页 |
| 第二章 语音信号处理基础 | 第17-26页 |
| ·语音信号基本概念 | 第17-22页 |
| ·语音信号的声学特征 | 第17页 |
| ·语音信号的模型 | 第17-19页 |
| ·语音信号预处理 | 第19-22页 |
| ·语音信号的时频域分析 | 第22-25页 |
| ·时域分析 | 第22-23页 |
| ·频域分析 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 经验模态分解理论 | 第26-33页 |
| ·传统时域分析的局限性 | 第26-27页 |
| ·经验模态分解基本概念 | 第27-29页 |
| ·瞬时频率 | 第27页 |
| ·特征时间尺度 | 第27-28页 |
| ·固有模态函数 | 第28-29页 |
| ·经验模态分解原理 | 第29-32页 |
| ·经验模态分解的分解过程 | 第29-32页 |
| ·经验模态分解的特点 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于经验模态分解的语音端点检测 | 第33-51页 |
| ·概述 | 第33页 |
| ·语音信号特征参数提取 | 第33-36页 |
| ·线性预测系数(LPC) | 第33-35页 |
| ·线性预测倒谱系数(LPCC) | 第35页 |
| ·美尔频率倒谱系数(MFCC) | 第35-36页 |
| ·基于双门限法的语音端点检测 | 第36-42页 |
| ·双门限法原理 | 第37-39页 |
| ·实验结果及分析 | 第39-42页 |
| ·基于经验模态分解和短时平均幅度差函数的语音端点检测 | 第42-46页 |
| ·平均幅度差函数 | 第42页 |
| ·算法过程 | 第42-43页 |
| ·实验结果及分析 | 第43-46页 |
| ·基于经验模态分解和美尔频率倒谱系数的语音端点检测 | 第46-49页 |
| ·算法过程 | 第46-47页 |
| ·实验结果及分析 | 第47-49页 |
| ·传统算法与本文提出算法之间的比较 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 基于经验模态分解和 RBF 神经网络的语音识别方法 | 第51-60页 |
| ·人工神经网络 | 第51-52页 |
| ·径向基神经网络 | 第52-56页 |
| ·RBF 神经网络的原理 | 第52页 |
| ·RBF 神经网络的结构 | 第52-53页 |
| ·RBF 神经网络训练算法 | 第53-56页 |
| ·基于经验模态分解和 RBF 神经网络的语音识别系统 | 第56-59页 |
| ·算法过程 | 第56-57页 |
| ·仿真实验结果 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 附录 | 第67页 |
