基于HMM和ANN的汉语语音非特定人识别
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-15页 |
| 1.1 语音识别的发展历史 | 第9-10页 |
| 1.2 语音识别的研究技术和难点 | 第10-13页 |
| 1.3 语音识别技术的前景和应用 | 第13页 |
| 1.4 本子所做的主要工作 | 第13-15页 |
| 第2章 语音的预处理 | 第15-22页 |
| 2.1 抗混叠滤波与预加重 | 第15-16页 |
| 2.2 采用倒谱特征的端点检测算法 | 第16-17页 |
| 2.3 端点检测算法MATLAB实现 | 第17-22页 |
| 2.3.1 双门先检测算法的MALAB实现 | 第17-19页 |
| 2.3.2 基于MFCC的距离测量法 | 第19-20页 |
| 2.3.3 实验结果比较 | 第20-22页 |
| 第3章 语音识别中的特征提取 | 第22-34页 |
| 3.1 线性预测系数LPC | 第22-26页 |
| 3.1.1 线性预测的基本原理 | 第23-26页 |
| 3.1.2 LPC模型阶数的确定 | 第26页 |
| 3.2 线性预测倒谱系数LPCC | 第26-28页 |
| 3.3 美尔倒谱系数MFCC | 第28-31页 |
| 3.3.1 MFCC系数的提取 | 第29-30页 |
| 3.3.2 倒谱提升窗口 | 第30-31页 |
| 3.3.3 美尔差分倒谱参数 | 第31页 |
| 3.3.4 MFCC分量的选择 | 第31页 |
| 3.4 特征参数的实际提取 | 第31-34页 |
| 3.4.1 LPCC参数计算流程 | 第31-32页 |
| 3.4.2 MFCC的计算 | 第32-34页 |
| 第4章 HMM模型语音识别的理论基础 | 第34-45页 |
| 4.1 隐马尔可夫模型在语音识别中的基本问题 | 第35-41页 |
| 4.1.1 估价问题的解决 | 第35-37页 |
| 4.1.2 解码问题的解决 | 第37-38页 |
| 4.1.3 训练问题的解决 | 第38-41页 |
| 4.2 HMM子系统编程问题 | 第41-42页 |
| 4.2.1 数值溢出问题 | 第41页 |
| 4.2.2 多观察序列的训练问题 | 第41-42页 |
| 4.3 使用HMM的语音识别方法 | 第42-43页 |
| 4.4 HMM的不足与改进 | 第43-45页 |
| 第5章 神经网络的建模方法 | 第45-51页 |
| 5.1 神经网络的基本模型结构 | 第45-48页 |
| 5.2 神经网络在语音建模中的主要应用 | 第48-49页 |
| 5.3 BP子系统规模与结构的选择 | 第49-51页 |
| 第6章 基于HMM和ANN的语音识别 | 第51-63页 |
| 6.1 语音信号的获取 | 第51-52页 |
| 6.2 语音信号的预处理 | 第52-53页 |
| 6.3 HMMBP识别过程的设计 | 第53-54页 |
| 6.4 HMMBP识别过程的实现及结果 | 第54-63页 |
| 6.4.1 HMM数据结构描述 | 第55页 |
| 6.4.2 高斯混合的输出概率的计算 | 第55-56页 |
| 6.4.3 前向概率、后向概率及其他参数的计算 | 第56页 |
| 6.4.4 识别算法的实现 | 第56页 |
| 6.4.5 训练过程的Baum-Welch算法 | 第56-57页 |
| 6.4.6 HMM参数的初始化 | 第57页 |
| 6.4.7 训练主程序 | 第57-58页 |
| 6.4.8 测试程序 | 第58页 |
| 6.4.9 实验结果 | 第58-63页 |
| 参考文献 | 第63-65页 |
| 致谢 | 第65页 |
