首页--工业技术论文--无线电电子学、电信技术论文--通信论文--电声技术和语音信号处理论文--语音信号处理论文--语音识别与设备论文

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

论文共75页,点击 下载论文
上一篇:基于三轴传感器的钢管漏磁信号处理研究
下一篇:功率可控的多包接收跨层优化策略