基于分段模型的帧间相关性建模研究
| 第一章 序言 | 第1-11页 |
| 1．1 语音识别系统概述 | 第6-7页 |
| 1．2 声学模型研究的现状分析 | 第7-9页 |
| 1．3 当前语音识别领域的主要问题 | 第9-10页 |
| 1．4 本文的研究意义和研究目标 | 第10页 |
| 1．5 本文的内容安排 | 第10-11页 |
| 第二章 语音信号的特征提取 | 第11-22页 |
| 2．1 语音信号的产生 | 第11-15页 |
| 2．2 语音信号的预处理 | 第15-17页 |
| 2．3 语音信号的时域特征 | 第17-18页 |
| 2．4 语音信号的频域特征 | 第18-21页 |
| 2．4．1 基于线性预测倒谱系数 | 第19页 |
| 2．4．2 基于Mel频率的倒谱系数 | 第19-21页 |
| 2．5 基频提取 | 第21页 |
| 2．6 小结 | 第21-22页 |
| 第三章 隐马尔可夫模型 | 第22-31页 |
| 3．1 隐马尔可夫模型概述 | 第22-23页 |
| 3．2 隐马尔可夫模型的参数 | 第23-25页 |
| 3．3 训练算法 | 第25-28页 |
| 3．4 识别算法 | 第28-29页 |
| 3．5 模型的优缺点 | 第29-30页 |
| 3．6 小结 | 第30-31页 |
| 第四章 随机分段模型 | 第31-43页 |
| 4．1 随机分段模型概述 | 第31-34页 |
| 4．1．1 时间归整 | 第32-33页 |
| 4．1．2 概率模型 | 第33-34页 |
| 4．2 识别算法 | 第34-35页 |
| 4．3 训练算法 | 第35页 |
| 4．4 隐马尔可夫模型与随机分段模型比较 | 第35-37页 |
| 4．5 线性动态系统声学模型 | 第37-40页 |
| 4．6 小结 | 第40-43页 |
| 第五章 线性动态系统辨识 | 第43-56页 |
| 5．1 最大似然估计 | 第43-44页 |
| 5．2 EM算法 | 第44页 |
| 5．3 线性动态系统模型 | 第44-45页 |
| 5．4 系统辨识EM算法 | 第45-51页 |
| 5．5 EM算法的初值问题 | 第51-52页 |
| 5．6 系统辨识仿真 | 第52-53页 |
| 5．7 小结 | 第53-56页 |
| 第六章 线性动态系统语音识别算法 | 第56-63页 |
| 6．1 识别算法 | 第56-57页 |
| 6．2 轨迹平滑 | 第57-58页 |
| 6．3 上下文建模 | 第58-60页 |
| 6．4 实验结果 | 第60-62页 |
| 6．5 小结 | 第62-63页 |
| 第七章 总结 | 第63-65页 |
| 7．1 论文工作贡献 | 第63-64页 |
| 7．2 进一步的研究工作 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70页 |
