基于CDHMM的噪声环境下口令识别方法研究
| 第一章 绪论 | 第1-17页 |
| ·语音识别技术概述 | 第12-14页 |
| ·语音及语音信息交换 | 第12页 |
| ·语音识别及其发展历程 | 第12-14页 |
| ·抗噪语音识别概述 | 第14-16页 |
| ·噪声鲁棒性 | 第14-15页 |
| ·抗噪语音识别技术 | 第15页 |
| ·抗噪口令识别研究 | 第15-16页 |
| ·论文的主要研究内容 | 第16-17页 |
| 第二章 语音信号预处理与特征参数提取 | 第17-26页 |
| ·语音信号的产生模型 | 第17-18页 |
| ·语音信号预处理 | 第18-21页 |
| ·语音库建立 | 第18页 |
| ·预滤波 | 第18页 |
| ·有效语音截取 | 第18-20页 |
| ·数字语音的分帧与加窗处理 | 第20-21页 |
| ·语音短时特征参数 | 第21-26页 |
| ·线性预测系数(LPC) | 第21-22页 |
| ·线性预测倒谱系数(LPCC) | 第22页 |
| ·MEL倒谱系数(MFCC) | 第22-25页 |
| ·MFCC和LPCC性能的比较 | 第25-26页 |
| 第三章 基于CDHMM的语音识别模型 | 第26-49页 |
| ·HMM概述 | 第26-37页 |
| ·Markov链 | 第26-27页 |
| ·隐Markov模型的基本原理 | 第27-28页 |
| ·隐Markov模型的分类 | 第28-29页 |
| ·HMM的基本算法 | 第29-33页 |
| ·HMM链的形状及状态数、混合度问题 | 第33-37页 |
| ·VQ聚类技术 | 第37-38页 |
| ·概述 | 第37页 |
| ·LBG算法 | 第37-38页 |
| ·基于CDHMM的语音识别模型 | 第38-45页 |
| ·CDHMM模型参数训练 | 第39-41页 |
| ·多个观察值序列训练 | 第41-42页 |
| ·算法中需要考虑的问题 | 第42-44页 |
| ·模型识别 | 第44-45页 |
| ·HMM训练方法探讨 | 第45-49页 |
| ·基于ML准则的训练 | 第45页 |
| ·基于MMI准则的训练 | 第45-46页 |
| ·基于MCE的训练方法 | 第46-49页 |
| 第四章 口令识别鲁棒性方法研究 | 第49-63页 |
| ·噪声特性与高斯白噪声 | 第49-53页 |
| ·噪声特性 | 第49-51页 |
| ·高斯白噪声 | 第51-53页 |
| ·语音抗噪特征参数的选择与提取 | 第53-58页 |
| ·抗噪特征参数 | 第53-55页 |
| ·抗噪特征参数识别实验 | 第55-58页 |
| ·模型级语音抗噪 | 第58-63页 |
| ·HMM噪声补偿模型及其原理 | 第58-61页 |
| ·模型级抗噪识别实验讨论 | 第61-63页 |
| 第五章 总结及展望 | 第63-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士学位期间发表和录用的论文 | 第70页 |
