自动语音识别噪声鲁棒性方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究的背景和意义 | 第8页 |
| 1.2 语音识别技术的发展与研究现状 | 第8-11页 |
| 1.2.1 语音识别技术研究的发展状况 | 第8-10页 |
| 1.2.2 语音识别技术面临的主要问题 | 第10页 |
| 1.2.3 语音识别未来发展的趋势 | 第10-11页 |
| 1.3 语音识别的方法 | 第11-12页 |
| 1.3.1 动态时间规整（DTW） | 第11页 |
| 1.3.2 隐马尔可夫模型 | 第11-12页 |
| 1.3.3 人工神经网络 | 第12页 |
| 1.4 论文主要内容及安排 | 第12-14页 |
| 第二章 鲁棒语音识别研究概述 | 第14-24页 |
| 2.1 鲁棒语音识别基础 | 第14-17页 |
| 2.1.1 语音信号产生的数字模型 | 第14-16页 |
| 2.1.2 语音识别系统的基本原理 | 第16-17页 |
| 2.2 鲁棒语音识别研究内容 | 第17-18页 |
| 2.3 信号空间鲁棒语音识别方法 | 第18-20页 |
| 2.3.1 语音增强 | 第18-20页 |
| 2.3.2 语音端点检测 | 第20页 |
| 2.4 特征空间鲁棒语音识别方法 | 第20-22页 |
| 2.4.1 鲁棒特征提取 | 第21页 |
| 2.4.2 特征规整 | 第21-22页 |
| 2.5 模型空间鲁棒语音识别方法 | 第22-23页 |
| 2.5.1 模型补偿 | 第22页 |
| 2.5.2 自适应方法 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 语音端点检测及语音增强 | 第24-45页 |
| 3.1 语音信号的预处理 | 第24-25页 |
| 3.1.1 预加重 | 第24页 |
| 3.1.2 分帧与加窗 | 第24-25页 |
| 3.2 传统的语音信号端点检测算法 | 第25-28页 |
| 3.2.1 短时能量法 | 第26页 |
| 3.2.2 短时平均过零率 | 第26-27页 |
| 3.2.3 双门限比较法 | 第27-28页 |
| 3.3 基于谱熵的端点检测算法 | 第28-37页 |
| 3.3.1 谱熵的基本原理 | 第29-32页 |
| 3.3.2 改进的谱熵算法 | 第32-37页 |
| 3.4 语音增强 | 第37-44页 |
| 3.4.1 谱减法 | 第38-39页 |
| 3.4.2 典型的改进谱减算法 | 第39-40页 |
| 3.4.3 语音增强算法仿真 | 第40-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 语音特征参数的提取 | 第45-55页 |
| 4.1 线性预测倒谱系数 | 第45-49页 |
| 4.1.1 线性预测分析 | 第45-47页 |
| 4.1.2 线性预测倒谱系数 | 第47-49页 |
| 4.2 美尔频率倒谱系数 | 第49-53页 |
| 4.2.1 Mel频率 | 第49-51页 |
| 4.2.2 MFCC特征提取 | 第51-53页 |
| 4.3 仿真结果 | 第53页 |
| 4.4 基于谱减法估计的MFCC参数提取算法 | 第53-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 基于HMM的语音识别系统 | 第55-74页 |
| 5.1 HMM的理论基础 | 第55-57页 |
| 5.1.1 HMM的定义 | 第55-56页 |
| 5.1.2 HMM的三个基本问题 | 第56-57页 |
| 5.2 HMM的三个基本算法 | 第57-61页 |
| 5.2.1 前向—后向算法 | 第57-59页 |
| 5.2.2 Viterbi算法 | 第59-60页 |
| 5.2.3 Baum-Welch算法 | 第60-61页 |
| 5.3 语音识别系统仿真实验 | 第61-73页 |
| 5.3.1 语音库的建立 | 第62页 |
| 5.3.2 语音识别系统仿真 | 第62-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 总结 | 第74页 |
| 6.2 展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第79-80页 |
| 致谢 | 第80页 |
