基于神经网络的语音识别研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 图目录 | 第8-9页 |
| 表目录 | 第9-10页 |
| 第1章 绪论 | 第10-23页 |
| ·课题背景 | 第10-12页 |
| ·语音识别概述 | 第10-11页 |
| ·数字语音识别研究的意义 | 第11-12页 |
| ·语音识别的发展和现状 | 第12-17页 |
| ·语音识别的发展历史 | 第12-14页 |
| ·语音识别的应用现状 | 第14-16页 |
| ·语音识别的发展趋势 | 第16-17页 |
| ·语音识别的分类 | 第17-19页 |
| ·根据语音类型 | 第17-18页 |
| ·根据语音词汇量大小 | 第18页 |
| ·根据说话者的依赖程度 | 第18-19页 |
| ·语音识别的问题和困难 | 第19-21页 |
| ·本文的主要工作及创新点 | 第21-22页 |
| ·本文的研究内容安排 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第2章 语音识别的基本原理 | 第23-44页 |
| ·语音信号的预处理 | 第23-29页 |
| ·语音信号预加重 | 第24页 |
| ·语音信号加窗分帧 | 第24-26页 |
| ·端点检测 | 第26-29页 |
| ·语音信号的特征提取 | 第29-38页 |
| ·线性预测系数(LPC) | 第30-34页 |
| ·线性预测倒谱系数(LPCC) | 第34-36页 |
| ·美尔频率倒谱系数(MFCC) | 第36-38页 |
| ·语音信号识别的主要技术 | 第38-43页 |
| ·矢量量化(VQ)技术 | 第38-40页 |
| ·动态时间规整(DTW) | 第40-41页 |
| ·隐马尔科夫模型(HMM)技术 | 第41-42页 |
| ·人工神经网络(ANN)技术 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第3章 基于 BP神经网络的建模方法 | 第44-58页 |
| ·神经网络的基本概念 | 第44-49页 |
| ·神经元 | 第44-46页 |
| ·神经网络的连接方式 | 第46页 |
| ·神经网络的学习方式 | 第46-48页 |
| ·神经网络的学习算法 | 第48-49页 |
| ·BP神经网络模型 | 第49-55页 |
| ·BP网络的结构 | 第49-51页 |
| ·BP网络的学习规则 | 第51-52页 |
| ·BP网络的设计原则 | 第52-54页 |
| ·BP网络的优点和不足 | 第54-55页 |
| ·BP神经网络在语音识别中的应用 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 第4章 实验及结果分析 | 第58-71页 |
| ·语音样本库的建立 | 第58-59页 |
| ·语音信号预处理 | 第59-62页 |
| ·端点检测与特征提取 | 第59-61页 |
| ·特征参数的时间规整 | 第61-62页 |
| ·BP神经网络的构建 | 第62-65页 |
| ·BP神经网络的改进措施 | 第62-64页 |
| ·BP神经网络的结构 | 第64-65页 |
| ·识别性能分析 | 第65-70页 |
| ·隐层神经元个数对识别性能的影响 | 第65-67页 |
| ·特征参数方案对识别性能的影响 | 第67-68页 |
| ·BP神经网络结构的进一步精简 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第5章 总结及展望 | 第71-73页 |
| ·全文总结 | 第71-72页 |
| ·工作展望 | 第72-73页 |
| 参考文献 | 第73-75页 |
| 攻读硕士学位期间主要的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 作者简历 | 第77页 |
