| 第1章 绪论 | 第1-13页 |
| ·前言 | 第8页 |
| ·语音识别系统研究的历史和现状 | 第8-11页 |
| ·语音识别基础 | 第11页 |
| ·语音识别面临的问题 | 第11-12页 |
| ·本文的主要工作 | 第12-13页 |
| 第2章 系统描述和特征参数提取 | 第13-27页 |
| ·系统描述 | 第13-20页 |
| ·预处理 | 第13-18页 |
| ·特征参数提取技术 | 第18-19页 |
| ·声学模型与模式匹配 | 第19-20页 |
| ·识别决承 | 第20页 |
| ·特征参数提取 | 第20-26页 |
| ·倒谱分析 | 第21-22页 |
| ·线性预测倒谱参数 | 第22-24页 |
| ·Mel频标倒谱系数 | 第24-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 常用的训练和识别方法 | 第27-48页 |
| ·矢量量化过程 | 第27-32页 |
| ·矢量量化原理 | 第27-29页 |
| ·码本设计 | 第29-31页 |
| ·搜索策略 | 第31-32页 |
| ·隐马尔可夫模型 | 第32-42页 |
| ·隐马尔可夫模型的数学描述 | 第33-34页 |
| ·HMM的三个基本问题 | 第34页 |
| ·HMM基本算法 | 第34-39页 |
| ·HMM模型及其实现 | 第39-42页 |
| ·HMM的不足及其解决方法 | 第42页 |
| ·人工神经网络 | 第42-47页 |
| ·神经元的基本模型 | 第42-44页 |
| ·神经网络的学习方式 | 第44-45页 |
| ·前向网络 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于统计的 HMM/神经网络相结合的语音识别 | 第48-52页 |
| ·基于统计的HMM方法 | 第48页 |
| ·N-gram模型的平滑 | 第48-49页 |
| ·概率统计神经网络建模 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 实验仿真和结果讨论 | 第52-62页 |
| ·仿真实验原理 | 第52-57页 |
| ·语音输入 | 第53-54页 |
| ·预处理 | 第54-57页 |
| ·孤立数字识别实验 | 第57-59页 |
| ·连续语音识别 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-64页 |
| 参考文献 | 第64-66页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |