噪音环境下汉语连续数字识别与研究
摘要 | 第1-6页 |
ABSTRACT | 第6-7页 |
致谢 | 第7-10页 |
插图清单 | 第10-11页 |
表格清单 | 第11-12页 |
第一章 绪论 | 第12-17页 |
·研究背景 | 第12页 |
·语音识别国内外发展现状 | 第12-14页 |
·语音识别存在的难点 | 第14-15页 |
·语音识别未来发展前景 | 第15-16页 |
·连续数字识别研究意义 | 第16-17页 |
第二章 语音识别概述 | 第17-31页 |
·语音的基本特征 | 第17-18页 |
·汉语中的元音和辅音 | 第17页 |
·汉语中的四种声调 | 第17-18页 |
·语音信号预处理 | 第18-20页 |
·语音信号数字化 | 第18页 |
·预加重 | 第18页 |
·加窗处理 | 第18-20页 |
·语音信号时域分析 | 第20-21页 |
·短时能量 | 第20页 |
·短时平均过零率 | 第20-21页 |
·短时平均幅度函数 | 第21页 |
·语音信号频域分析 | 第21-23页 |
·短时傅里叶变换 | 第21-23页 |
·带通滤波器组法 | 第23页 |
·基于短时能量和短时过零率的端点检测 | 第23-24页 |
·语音信号特征提取 | 第24-28页 |
·语音信号的线性预测 | 第24-26页 |
·Mel 频率的倒谱系数 | 第26-27页 |
·LPC 参数与 MFCC 参数比较 | 第27-28页 |
·基音周期估计 | 第28-31页 |
·自相关函数法 | 第28-29页 |
·倒谱法 | 第29-31页 |
第三章 隐马尔可夫模型 | 第31-42页 |
·模式匹配法 | 第31页 |
·动态规划法 | 第31页 |
·隐马尔可夫模型法 | 第31-34页 |
·马尔可夫链 | 第31-33页 |
·隐马尔可夫模型 | 第33-34页 |
·马尔可夫链的形状以及分类 | 第34-37页 |
·按照 HMM 状态转移矩阵分类 | 第35-36页 |
·遍历型 | 第35页 |
·从左到右 HMM 模型 | 第35-36页 |
·按照观察概率分布(B 参数)分类 | 第36-37页 |
·离散型 HMM(DHMM) | 第36页 |
·连续型 HMM(CHMM) | 第36-37页 |
·半连续型 HMM(SCHMM) | 第37页 |
·隐马尔可夫模型需要解决的三大基本问题 | 第37-41页 |
·评估问题(前后向算法) | 第37-40页 |
·传统的穷举法 | 第37-38页 |
·前向算法 | 第38-39页 |
·后向算法 | 第39-40页 |
·解码问题(维特比算法) | 第40页 |
·训练问题(Baum-Welch 算法) | 第40-41页 |
·隐马尔可夫模型的局限性 | 第41-42页 |
第四章 语音增强技术 | 第42-50页 |
·概述 | 第42页 |
·语音增强算法 | 第42-50页 |
·参数方法 | 第42-44页 |
·非参数法 | 第44-48页 |
·自适应噪声抵消法 | 第44页 |
·谱减法 | 第44-47页 |
·改进后的谱减法 | 第47页 |
·倒谱系数后置滤波 | 第47-48页 |
·维纳滤波 | 第48页 |
·统计方法 | 第48-50页 |
第五章 噪声环境下的语音识别系统实现 | 第50-69页 |
·汉语数字发音特点 | 第50页 |
·基于 HMM 模型数字识别系统框图设计 | 第50-51页 |
·连续数字识别实验步骤 | 第51-52页 |
·连续数字识别 matlab 实现以及仿真结果 | 第52-69页 |
·语音信号前端处理 | 第52-58页 |
·预加重 | 第53-54页 |
·语音信号分帧 | 第54页 |
·短时能量 | 第54-56页 |
·短时平均过零率 | 第56-57页 |
·短时平均幅度 | 第57-58页 |
·估算基音周期 | 第58-63页 |
·自相关函数实现 | 第58-61页 |
·倒谱法实现 | 第61-63页 |
·谱减法及改进后谱减法仿真 | 第63-64页 |
·MFCC 特征参数提取算法实现 | 第64-66页 |
·基于 HMM 模型的训练和识别过程 | 第66-69页 |
第六章 总结和工作展望 | 第69-70页 |
参考文献 | 第70-73页 |
攻读学位期间发表的论文 | 第73-75页 |