| 前言 | 第1-17页 |
| 1 选题背景及意义 | 第15页 |
| 2 语音识别技术的发展和现状 | 第15-16页 |
| 3 小波神经网络在语音识别中的应用前景 | 第16页 |
| 4 本文所做的主要工作 | 第16-17页 |
| 第一章 语音识别系统基本原理及其实现 | 第17-34页 |
| 1．1 语音识别系统的基本原理 | 第17-18页 |
| 1．2 语音识别系统中的关键技术 | 第18-19页 |
| 1．3 语音识别系统的实现 | 第19-27页 |
| 1．3．1 语音信号的预处理 | 第19-21页 |
| 1．3．2 特征参数的提取 | 第21-23页 |
| 1．3．3 模式匹配及模型训练技术 | 第23-25页 |
| 1．3．4 非特定人的模板训练方法 | 第25-27页 |
| 1．4 语音识别系统仿真试验及结果分析 | 第27-34页 |
| 1．4．1 仿真试验原理 | 第27-29页 |
| 1．4．2 语音信号的获取 | 第29页 |
| 1．4．3 语音信号的预处理 | 第29-31页 |
| 1．4．4 语音信号的特征提取 | 第31-34页 |
| 第二章 语音识别系统中的小波变换 | 第34-40页 |
| 2．1 小波分析 | 第34-38页 |
| 2．1．1 小波定义 | 第34页 |
| 2．1．2 连续小波变换 | 第34-35页 |
| 2．1．3 连续小波变换的离散化 | 第35-36页 |
| 2．1．4 二进小波变换 | 第36页 |
| 2．1．5 多分辨率分析 | 第36页 |
| 2．1．6 一维Mallat算法 | 第36-38页 |
| 2．2 基于小波分析的预处理 | 第38-40页 |
| 第三章 神经网络理论及其在语音识别中的应用 | 第40-60页 |
| 3．1 前言 | 第40页 |
| 3．2 人工神经网络的基本要素 | 第40-42页 |
| 3．3 多层感知器(Multi Laxer Perception,MLP) | 第42-44页 |
| 3．3．1 MLP的模型结构及原理 | 第42-43页 |
| 3．3．2 MLP的训练学习算法 | 第43-44页 |
| 3．4 神经网络的基本模型结构 | 第44-47页 |
| 3．5 神经网络在语音识别中的主要应用 | 第47-57页 |
| 3．5．1 神经网络的建模方法 | 第49-51页 |
| 3．5．2 神经网络的识别仿真 | 第51-57页 |
| 3．6 神经网络的识别方法的性能分析 | 第57-60页 |
| 3．6．1 训练次数的需求分析 | 第57-58页 |
| 3．6．2 观测噪声的影响 | 第58页 |
| 3．6．3 非特定人语音信号的识别 | 第58-60页 |
| 第四章 用定点DSP实现语音识别系统的方案设计 | 第60-65页 |
| 4．1 DSP芯片的选择 | 第60页 |
| 4．2 浮点代码到定点代码的转换 | 第60-62页 |
| 4．2．1 数的定标 | 第61页 |
| 4．2．2 识别算法的定点实现 | 第61-62页 |
| 4．3 PC机上的实时定点算法模拟结果分析 | 第62-65页 |
| 结论 | 第65-66页 |
| 致谢 | 第66-67页 |
| 附录 读研期间发表的论文 | 第67-68页 |
| 参考文献 | 第68-69页 |