| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 插图索引 | 第11-13页 |
| 第1章 绪论 | 第13-19页 |
| ·选题背景及课题来源 | 第13-15页 |
| ·选题背景 | 第13-14页 |
| ·课题来源 | 第14-15页 |
| ·国内外研究现状 | 第15-17页 |
| ·语音识别技术的研究与发展 | 第15-16页 |
| ·智能算法在语音识别中的应用 | 第16-17页 |
| ·论文研究内容 | 第17-18页 |
| ·论文的组织与章节安排 | 第18-19页 |
| 第2章 语音信号的分析和处理 | 第19-36页 |
| ·语音信号的声学基础及产生模型 | 第19-22页 |
| ·语音信号的产生 | 第19页 |
| ·语音信号的特征 | 第19-20页 |
| ·语音信号产生的数学模型 | 第20-22页 |
| ·语音信号的预处理 | 第22-26页 |
| ·采样与量化 | 第22-23页 |
| ·预加重 | 第23页 |
| ·加窗分帧 | 第23-26页 |
| ·端点检测方法 | 第26-31页 |
| ·常用的端点检测方法 | 第26-30页 |
| ·其它的端点检测方法 | 第30-31页 |
| ·语音信号美尔频率倒谱系数的提取 | 第31-33页 |
| ·矢量量化 | 第33-35页 |
| ·矢量量化的基本原理 | 第33页 |
| ·矢量量化器的码本设计 | 第33-35页 |
| ·小结 | 第35-36页 |
| 第3章 隐马尔科夫模型 | 第36-52页 |
| ·语音信号的HMM | 第36-37页 |
| ·HMM的引入 | 第36页 |
| ·HMM的基本元素 | 第36-37页 |
| ·HMM的基本算法 | 第37-41页 |
| ·前向-后向算法 | 第37-39页 |
| ·Viterbi算法 | 第39页 |
| ·BaumWelch算法 | 第39-41页 |
| ·HMM实现中的问题 | 第41-47页 |
| ·初始模型的选取 | 第41-43页 |
| ·多观察值序列 | 第43页 |
| ·数据下溢问题 | 第43-47页 |
| ·马尔科夫链的形状以及HMM类型 | 第47-51页 |
| ·按照HMM的状态转移概率矩阵分类 | 第47-48页 |
| ·按照HMM的输出概率矩阵分类 | 第48-51页 |
| ·小结 | 第51-52页 |
| 第4章 模型训练算法的改进 | 第52-67页 |
| ·引言 | 第52-53页 |
| ·克隆选择算法 | 第53-55页 |
| ·克隆选择的基本原理 | 第53页 |
| ·克隆选择算法的实现步骤 | 第53-55页 |
| ·基因克隆技术 | 第55-57页 |
| ·基因克隆的步骤 | 第55-56页 |
| ·基因克隆的B参数优化 | 第56-57页 |
| ·基于改进克隆选择算法和BaumWelch算法的模型训练 | 第57-61页 |
| ·基本原理 | 第57-58页 |
| ·混合算法模型训练的实现步骤 | 第58-59页 |
| ·算法分析 | 第59-61页 |
| ·仿真实验与分析 | 第61-66页 |
| ·参数B基因克隆实验 | 第61-63页 |
| ·实验结果 | 第61页 |
| ·实验分析 | 第61-63页 |
| ·语音识别实验 | 第63-66页 |
| ·数据库 | 第63页 |
| ·实验参数设置 | 第63-64页 |
| ·实验结果 | 第64-65页 |
| ·实验分析 | 第65-66页 |
| ·小结 | 第66-67页 |
| 第5章 基于Matlab的语音识别系统 | 第67-76页 |
| ·引言 | 第67页 |
| ·仿真实验平台 | 第67-69页 |
| ·Matlab简介 | 第67-68页 |
| ·Matlab图形用户界面 | 第68-69页 |
| ·语音识别系统 | 第69-75页 |
| ·系统功能模块 | 第69-72页 |
| ·仿真实验测试 | 第72-75页 |
| ·小结 | 第75-76页 |
| 结束语 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-83页 |
| 附录A (攻读学位期间发表的学术论文) | 第83-84页 |
| 附录B (攻读学位期间参与的科研课题) | 第84页 |