汉语孤立词语音识别的研究与实现
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| ·语音识别概述 | 第9-11页 |
| ·语音识别技术的提出及其应用 | 第9-10页 |
| ·语音识别发展 | 第10-11页 |
| ·语音识别研究的现状及发展趋势 | 第11-13页 |
| ·语音识别研究的现状 | 第11-12页 |
| ·语音识别研究面临的问题 | 第12-13页 |
| ·语音识别未来的趋势 | 第13页 |
| ·本文的研究的背景及内容 | 第13-15页 |
| 第二章 语音识别的基础 | 第15-34页 |
| ·语音的声学基础及汉语语音基础 | 第15-18页 |
| ·语音的产生 | 第15页 |
| ·汉语语音基础 | 第15-16页 |
| ·语音信号的产生模型 | 第16-18页 |
| ·语音识别的原理和识别系统的组成 | 第18-20页 |
| ·语音识别的基本原理 | 第18-19页 |
| ·基本语音识别系统的组成 | 第19-20页 |
| ·语音识别的预处理 | 第20-25页 |
| ·语音信号的滤波和数字化 | 第20页 |
| ·语音信号的预加重 | 第20-21页 |
| ·短时加窗处理 | 第21-22页 |
| ·端点检测 | 第22-25页 |
| ·特征参数及特征提取 | 第25-30页 |
| ·语音信号的线性预测分析 | 第25-26页 |
| ·线性预测倒谱系数 | 第26-27页 |
| ·美尔频率倒谱系数 | 第27-29页 |
| ·动态差分参数 | 第29-30页 |
| ·语音识别的训练方法 | 第30-31页 |
| ·偶然性训练法 | 第30页 |
| ·鲁棒性训练法 | 第30-31页 |
| ·聚类训练法 | 第31页 |
| ·语音识别方法 | 第31-33页 |
| ·动态时间规整 | 第32页 |
| ·隐马尔可夫模型 | 第32页 |
| ·人工神经网络方法 | 第32-33页 |
| ·语音识别的后处理 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第三章 隐马尔可夫模型 | 第34-47页 |
| ·隐马尔可夫模型 | 第34-36页 |
| ·隐马尔可夫模型的信号模型 | 第34页 |
| ·隐马尔可夫模型的定义 | 第34-35页 |
| ·隐马尔可夫模型观察符号序列的生成方式 | 第35-36页 |
| ·隐马尔可夫模型三个基本问题及其解法 | 第36-42页 |
| ·隐马尔可夫模型三个基本问题 | 第36页 |
| ·前向-后向算法 | 第36-39页 |
| ·Viterbi算法 | 第39-40页 |
| ·Baum-Welch算法 | 第40-42页 |
| ·隐马尔可夫模型的分类 | 第42-43页 |
| ·连续隐马尔可夫模型 | 第43-44页 |
| ·隐马尔可夫模型在语音识别中的应用 | 第44-46页 |
| ·基于隐马尔可夫模型孤立词语音识别的原理 | 第44-45页 |
| ·隐马尔可夫模型实现语音识别的方法 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于隐马尔可夫模型语音识别系统的实现 | 第47-60页 |
| ·语音识别系统模型 | 第47-48页 |
| ·语音控制的实现 | 第48-51页 |
| ·Wav文件格式分析 | 第48-50页 |
| ·Windows API的使用 | 第50-51页 |
| ·端点检测的实现 | 第51页 |
| ·特征参数提取 | 第51-52页 |
| ·隐马尔可夫模型的训练 | 第52-56页 |
| ·隐马尔可夫模型的初始化 | 第53-54页 |
| ·训练 | 第54-56页 |
| ·基于隐马尔可夫模型的识别方法 | 第56-58页 |
| ·语音识别系统的测试与结果分析 | 第58-59页 |
| ·语音库的构成 | 第58页 |
| ·初始参数的选择 | 第58-59页 |
| ·实验结论 | 第59页 |
| ·本章小结 | 第59-60页 |
| 第五章 改进语音识别系统的方法 | 第60-64页 |
| ·变帧长自适应门限的端点检测 | 第60-62页 |
| ·考虑噪声影响的特征参数提取 | 第62-63页 |
| ·对隐马尔可夫模型训练的优化 | 第63页 |
| ·本章小结 | 第63-64页 |
| 第六章 总结 | 第64-65页 |
| ·总结 | 第64页 |
| ·下一步的工作 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 攻读硕士学位期间发表的论文 | 第69-70页 |
| 致谢 | 第70页 |
