| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 课题研究背景和意义 | 第10页 |
| 1.2 语音识别的发展历程和研究现状 | 第10-11页 |
| 1.3 论文主要工作与研究成果 | 第11-12页 |
| 1.4 论文的组织结构 | 第12-14页 |
| 第二章 语音识别技术基础理论 | 第14-28页 |
| 2.1 引言 | 第14页 |
| 2.2 语音识别基本单元的选取 | 第14-15页 |
| 2.3 特征表示 | 第15-17页 |
| 2.3.1 MFCC特征 | 第15-16页 |
| 2.3.2 TRAP特征 | 第16页 |
| 2.3.3 音素后验概率特征 | 第16-17页 |
| 2.3.4 韵律特征 | 第17页 |
| 2.4 声学模型 | 第17-20页 |
| 2.4.1 HMM模型 | 第17-19页 |
| 2.4.2 GMM模型 | 第19-20页 |
| 2.4.3 神经网络模型 | 第20页 |
| 2.5 N-gram语言模型 | 第20-23页 |
| 2.5.1 N-gram语言模狠参数估计 | 第21-22页 |
| 2.5.2 语言模型的评测 | 第22-23页 |
| 2.6 译码及评测 | 第23-26页 |
| 2.6.1 维特比译码 | 第23-24页 |
| 2.6.2 译码结果测评 | 第24-26页 |
| 2.7 本章小结 | 第26-28页 |
| 第三章 基于CMU-SPHINX系统的音素识别机制 | 第28-40页 |
| 3.1 引言 | 第28页 |
| 3.2 CMU-SPHINX系统框架 | 第28-29页 |
| 3.3 HMM-GMM声学模型建模 | 第29-32页 |
| 3.3.1 上下文无关的声学模型 | 第29-31页 |
| 3.3.2 上下文相关的声学模型 | 第31-32页 |
| 3.4 语言模型建模 | 第32-33页 |
| 3.5 译码及测评 | 第33-34页 |
| 3.6 系统数据准备及校准 | 第34页 |
| 3.7 CMU-SPHINX系统基础性能实验 | 第34-38页 |
| 3.7.1 实验数据集的来源及构成 | 第34-36页 |
| 3.7.2 上下文相关性对系统识别性能的影响 | 第36-37页 |
| 3.7.3 基于中文音素改进方案的前后性能对比实验 | 第37-38页 |
| 3.8 本章小结 | 第38-40页 |
| 第四章 基于LC-RC系统的音素识别机制 | 第40-56页 |
| 4.1 引言 | 第40页 |
| 4.2 LC-RC系统框架 | 第40-41页 |
| 4.3 ANN-HMM声学模型建模 | 第41-43页 |
| 4.4 译码及测评 | 第43页 |
| 4.5 系统数据准备及校准 | 第43-45页 |
| 4.6 LC-RC系统的性能实验 | 第45-55页 |
| 4.6.1 实验数据说明 | 第45-46页 |
| 4.6.2 神经网络学习策略对系统识别性能的影响 | 第46-53页 |
| 4.6.3 神经网络结构对系统识别性能的影响 | 第53-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第五章 韵律特征在音素识别机制中的应用 | 第56-66页 |
| 5.1 引言 | 第56页 |
| 5.2 系统框架 | 第56页 |
| 5.3 韵律特征 | 第56-59页 |
| 5.3.1 基音特征 | 第57-58页 |
| 5.3.2 音强特征 | 第58-59页 |
| 5.4 融合基音特征的系统识别性能实验 | 第59-60页 |
| 5.4.1 CMU-SPHINX系统融合基音特征的性能实验 | 第59页 |
| 5.4.2 LC-RC系统融合基音特征的性能实验 | 第59-60页 |
| 5.5 融合音强特征的系统识别性能实验 | 第60-62页 |
| 5.5.1 CMU-SPHINX系统融合音强特征的性能实验 | 第60-61页 |
| 5.5.2 LC-RC系统融合音强特征的性能实验 | 第61-62页 |
| 5.6 融合基音特征和音强特征的系统识别性能实验 | 第62-64页 |
| 5.6.1 CMU-SPHINX系统融合基音特征和音强特征的性能实验 | 第62-63页 |
| 5.6.2 LC-RC系统融合基音特征和音强特征的性能实验 | 第63-64页 |
| 5.7 本章小结 | 第64-66页 |
| 第六章 总结与展望 | 第66-68页 |
| 6.1 论文工作总结 | 第66-67页 |
| 6.2 论文研究展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72页 |
