基于HMM与ANN混合结构的语音识别系统研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究目的及意义 | 第7-10页 |
| ·语音识别面临的困难 | 第8-9页 |
| ·语音识别的应用 | 第9-10页 |
| ·国内外研究现状 | 第10-12页 |
| ·论文主要工作及结构安排 | 第12-13页 |
| 第二章 语音识别的基本原理和技术 | 第13-27页 |
| ·语音信号预处理 | 第13-14页 |
| ·预加重 | 第13页 |
| ·分帧 | 第13页 |
| ·加窗 | 第13-14页 |
| ·语音信号的端点检测 | 第14-19页 |
| ·短时能量 | 第15-16页 |
| ·短时平均过零率 | 第16-17页 |
| ·短时自相关函数 | 第17页 |
| ·端点检测算法 | 第17-19页 |
| ·特征参数提取 | 第19-27页 |
| ·线性预测编码(LPC)系数 | 第20-23页 |
| ·线性预测倒谱系数(LPCC) | 第23-24页 |
| ·MFCC特征 | 第24-27页 |
| 第三章 隐MARKOV模型研究 | 第27-38页 |
| ·隐MARKOV模型简介 | 第27-31页 |
| ·HMM模型的基本原理和模型参数 | 第28-29页 |
| ·拓扑形式和状态个数 | 第29-30页 |
| ·HMM模型的选取 | 第30-31页 |
| ·隐Markov的三个核心问题 | 第31-36页 |
| ·前向—后向算法 | 第31-32页 |
| ·Viterbi算法 | 第32-33页 |
| ·Baum-Welch算法 | 第33-36页 |
| ·HMM的不足及解决办法 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 BP神经网络的建模方法 | 第38-51页 |
| ·神经网络的基本概念 | 第38-42页 |
| ·神经元 | 第38-40页 |
| ·神经网络的连结方式 | 第40页 |
| ·神经网络的学习方式 | 第40-41页 |
| ·神经网络的学习算法 | 第41-42页 |
| ·BP神经网络模型 | 第42-49页 |
| ·BP网络的结构 | 第43-44页 |
| ·BP网络的学习规则 | 第44-46页 |
| ·BP网络的优点和不足 | 第46-47页 |
| ·BP网络的设计原则 | 第47-48页 |
| ·BP神经网络的训练 | 第48-49页 |
| ·BP神经网络在语音识别中的应用 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 HMM与BP神经网络混合结构 | 第51-59页 |
| ·HMM与BP网络结合的必要性 | 第51页 |
| ·HMM的特点 | 第51页 |
| ·ANN的特点 | 第51页 |
| ·传统HMM与BP网络结合的方式 | 第51-53页 |
| ·新型的HMM与BP神经网络结合方式 | 第53页 |
| ·实验仿真及分析 | 第53-59页 |
| ·语音样本库的建立 | 第54-55页 |
| ·语音预处理 | 第55-56页 |
| ·HMM/BP网络结构 | 第56-57页 |
| ·实验数据及分析 | 第57-58页 |
| ·实验结论 | 第58-59页 |
| 第六章 总结与展望 | 第59-60页 |
| ·全文总结 | 第59页 |
| ·工作展望 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间主要研究成果 | 第65页 |
