基于HMM和代数神经网络的连续语音识别研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·本课题的研究背景和意义 | 第8-9页 |
| ·语音识别的发展历史及现状 | 第9-10页 |
| ·语音识别存在的问题 | 第10-11页 |
| ·本文研究目的及思路 | 第11-12页 |
| ·章节安排 | 第12-14页 |
| 第二章 语音识别系统概述 | 第14-32页 |
| ·语音识别系统的结构和分类 | 第14-15页 |
| ·语音识别系统的结构 | 第14页 |
| ·语音识别系统的分类 | 第14-15页 |
| ·语音识别单元的选取 | 第15-16页 |
| ·语音信号的预处理 | 第16-23页 |
| ·语音信号的预加重 | 第17页 |
| ·加窗分桢 | 第17-19页 |
| ·端点检测 | 第19-23页 |
| ·特征参数提取 | 第23-29页 |
| ·线性预测分析(LP) | 第23-26页 |
| ·线性预测倒谱系数(LPCC) | 第26-27页 |
| ·美尔频率倒谱系数(MFCC) | 第27-29页 |
| ·语音识别常用方法 | 第29-30页 |
| ·动态时间规整 | 第29页 |
| ·矢量量化方法 | 第29-30页 |
| ·隐马尔可夫模型 | 第30页 |
| ·人工神经网络方法 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第三章 代数神经网络在语音识别中的应用 | 第32-44页 |
| ·生物学的启示 | 第32页 |
| ·人工神经网络 | 第32-36页 |
| ·人工神经元模型 | 第32-34页 |
| ·神经网络拓扑结构 | 第34-35页 |
| ·神经网络学习方式 | 第35页 |
| ·神经网络学习算法 | 第35-36页 |
| ·基于代数算法的人工神经网络 | 第36-39页 |
| ·代数神经网络的拓扑结构 | 第36-37页 |
| ·代数算法理论与实现 | 第37-39页 |
| ·代数算法与BP算法性能比较 | 第39-42页 |
| ·本章小结 | 第42-44页 |
| 第四章 混合模型在语音识别中的应用 | 第44-56页 |
| ·隐马尔可夫模型 | 第44-50页 |
| ·隐马尔可夫模型的定义 | 第44-45页 |
| ·隐马尔可夫模型的三个基本问题及解决方法 | 第45-49页 |
| ·本文系统中HMM的一些具体问题 | 第49-50页 |
| ·基于混合模型的语音识别 | 第50-54页 |
| ·隐马尔可夫与神经网络的结合方式 | 第50-51页 |
| ·混合模型的结构 | 第51-52页 |
| ·混合模型的训练算法 | 第52-53页 |
| ·状态观测概率的计算 | 第53-54页 |
| ·混合模型的识别算法 | 第54页 |
| ·本章小结 | 第54-56页 |
| 第五章 小词汇量连续语音识别系统 | 第56-64页 |
| ·系统基本结构 | 第56页 |
| ·系统的软硬件环境 | 第56页 |
| ·系统识别网络的建立 | 第56-58页 |
| ·语言模型 | 第56-57页 |
| ·字典 | 第57页 |
| ·识别网络的建立 | 第57-58页 |
| ·语音数据库的建立 | 第58页 |
| ·参数设置 | 第58-59页 |
| ·实验结果及分析 | 第59-62页 |
| ·本章小结 | 第62-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 全文总结 | 第64页 |
| 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士期间发表的论文 | 第70-71页 |
| 致谢 | 第71-72页 |
