带噪环境下的汉语连续语音识别研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-15页 |
| ·语音识别研究的意义 | 第8-9页 |
| ·语音识别的研究历史及现状 | 第9-11页 |
| ·语音识别的研究历史 | 第9-11页 |
| ·汉语连续语音识别的难点 | 第11页 |
| ·语音识别的分类 | 第11-12页 |
| ·语音识别的主要方法 | 第12-13页 |
| ·本文所作的主要工作与结构安排 | 第13-15页 |
| 第二章 语音信号的前端处理 | 第15-31页 |
| ·语音信号的时域分析 | 第15-18页 |
| ·语音的预加重 | 第15-16页 |
| ·短时加窗分析 | 第16-17页 |
| ·短时能量和短时平均幅度 | 第17页 |
| ·短时过零率 | 第17-18页 |
| ·语音的变换域分析 | 第18-22页 |
| ·频谱分析 | 第18-19页 |
| ·倒谱分析 | 第19-20页 |
| ·语音信号的线性预测分析 | 第20-22页 |
| ·带噪语音的增强 | 第22-24页 |
| ·常见噪声的分类 | 第22页 |
| ·谱减法语音增强 | 第22-24页 |
| ·带噪语音的端点检测 | 第24-28页 |
| ·基于双门限的端点检测方法 | 第25页 |
| ·基于自适应子带谱熵的端点检测 | 第25-28页 |
| ·本章实验与结论 | 第28-31页 |
| 第三章 语音信号的特征提取 | 第31-40页 |
| ·LPCC倒谱特征的提取 | 第31-32页 |
| ·MFCC倒谱特征的提取 | 第32-34页 |
| ·基音特征的提取 | 第34-39页 |
| ·基于线性预测与归一化互相关的基音提取 | 第35-37页 |
| ·基音特征提取实验 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 HMM模型的基本原理 | 第40-52页 |
| ·隐马尔可夫(HMM)模型的基本概念 | 第40-42页 |
| ·马尔可夫链 | 第40-41页 |
| ·HMM模型的基本定义 | 第41-42页 |
| ·HMM模型的三个基本问题 | 第42-46页 |
| ·前向-后向算法 | 第42-44页 |
| ·Viterbi算法 | 第44-45页 |
| ·Baum-Welch算法 | 第45-46页 |
| ·HMM实现中的若干实际问题 | 第46-51页 |
| ·语音识别中HMM模型的结构 | 第46-47页 |
| ·初始模型的选取 | 第47-48页 |
| ·数据下溢问题 | 第48-49页 |
| ·HMM模型的合并 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于HMM模型的汉语连续语音识别系统 | 第52-64页 |
| ·汉语语音学基本知识 | 第52-53页 |
| ·汉语的音素与音节 | 第52页 |
| ·汉语的声调信息 | 第52-53页 |
| ·声学模型中识别基元的选取 | 第53-55页 |
| ·汉语的音节模型 | 第53-54页 |
| ·汉语的声韵模型 | 第54页 |
| ·汉语的音素模型 | 第54-55页 |
| ·基于HMM的声学模型的训练 | 第55-56页 |
| ·训练语料库的建立 | 第55页 |
| ·音素模型的嵌入式训练 | 第55-56页 |
| ·声学模型的优化 | 第56-57页 |
| ·上下文相关的音素模型 | 第56-57页 |
| ·HMM模型的高斯分裂 | 第57页 |
| ·基于HTK的汉语连续数字识别实验 | 第57-64页 |
| ·HTK工具箱简介 | 第57-58页 |
| ·数据准备 | 第58页 |
| ·语音特征提取 | 第58-59页 |
| ·建立声学模型 | 第59-61页 |
| ·识别实验结果及评价 | 第61-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·总结 | 第64-65页 |
| ·展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 攻读硕士学位期间发表论文 | 第70页 |
