| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题的背景及意义 | 第10页 |
| 1.2 语音识别的研究现状 | 第10-12页 |
| 1.3 语音识别的应用 | 第12-13页 |
| 1.4 主要内容及章节安排 | 第13-15页 |
| 第二章 语音信号的分析和处理 | 第15-32页 |
| 2.1 语音信号预处理 | 第15-20页 |
| 2.1.1 预加重 | 第15-17页 |
| 2.1.2 分帧及加窗 | 第17-20页 |
| 2.2 语音信号时域分析及端点检测 | 第20-25页 |
| 2.2.1 语音信号短时能量 | 第20-21页 |
| 2.2.2 语音信号短时平均过零率 | 第21-22页 |
| 2.2.3 基于双时域参数的双门限端点检测 | 第22-25页 |
| 2.3 语音特征参数提取 | 第25-31页 |
| 2.3.1 线性预测倒谱系数(LPCC) | 第25-28页 |
| 2.3.2 Mel频率倒谱系数(MFCC) | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于DTW的孤立词语音识别改进算法 | 第32-54页 |
| 3.1 动态时间规正(DTW) | 第33-38页 |
| 3.1.1 动态规划(DP)原理 | 第33-34页 |
| 3.1.2 动态时间规正(DTW)原理及算法 | 第34-37页 |
| 3.1.3 基于DTW的聚类原理 | 第37-38页 |
| 3.2 基于DTW的聚类算法改进 | 第38-42页 |
| 3.2.1 聚类算法改进 | 第38-42页 |
| 3.2.2 实验结果及分析 | 第42页 |
| 3.3 DTW识别算法的改进 | 第42-53页 |
| 3.3.1 全局路径限制改进 | 第43-47页 |
| 3.3.2 全长度连续性限制改进 | 第47-50页 |
| 3.3.3 DTW改进算法的实现 | 第50-51页 |
| 3.3.4 实验结果及分析 | 第51-53页 |
| 3.4 本章小结 | 第53-54页 |
| 第四章 基于HMM-GMM的孤立词语音识别改进算法 | 第54-68页 |
| 4.1 HMM-GMM基础 | 第54-58页 |
| 4.1.1 马尔可夫链 | 第54-55页 |
| 4.1.2 HMM基本原理 | 第55-56页 |
| 4.1.3 HMM-GMM基本原理 | 第56-58页 |
| 4.2 基于HMM-GMM模型的识别算法 | 第58-60页 |
| 4.3 HMM-GMM模型训练算法 | 第60-64页 |
| 4.3.1 EM算法 | 第60-62页 |
| 4.3.2 Baum-Welch算法 | 第62-64页 |
| 4.4 基于HMM-GMM模型的识别算法改进 | 第64-67页 |
| 4.5 实验结果及分析 | 第67页 |
| 4.6 本章小结 | 第67-68页 |
| 第五章 总结和展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 工作展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第73-74页 |
| 附录2 攻读硕士学位期间申请的专利 | 第74-75页 |
| 致谢 | 第75页 |