基于HMM抗噪语音识别方法的研究与改进
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第一章 绪论 | 第14-21页 |
| ·研究背景与意义 | 第14-15页 |
| ·语音识别技术的发展及应用 | 第15-17页 |
| ·语音识别的基本原理 | 第17-18页 |
| ·语音识别面临的主要技术问题 | 第18-19页 |
| ·论文的内容及结构 | 第19-21页 |
| ·本文的主要研究内容 | 第19页 |
| ·论文的结构 | 第19-21页 |
| 第二章 语音信号的抗噪声技术 | 第21-30页 |
| ·语音信号的主要特性 | 第21-22页 |
| ·语音的分类 | 第21页 |
| ·人耳感知特性 | 第21-22页 |
| ·噪声特性及其分类 | 第22-23页 |
| ·加性噪声和乘性噪声 | 第22页 |
| ·平稳噪声、缓变噪声与冲激噪声 | 第22-23页 |
| ·全频带噪声和窄带噪声 | 第23页 |
| ·噪声对语音识别的影响 | 第23页 |
| ·语音信号预处理的基本方法 | 第23-29页 |
| ·带噪语音模型 | 第23-24页 |
| ·谱相减法(SS) | 第24-25页 |
| ·自适应滤波器降噪法 | 第25-27页 |
| ·小波变换法 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 隐马尔可夫模型原理 | 第30-37页 |
| ·隐马尔可夫模型 | 第30-33页 |
| ·马尔可夫链 | 第30-31页 |
| ·HMM的定义 | 第31页 |
| ·HMM的结构 | 第31-33页 |
| ·HMM基本算法 | 第33-35页 |
| ·前向后向算法 | 第33页 |
| ·Viterbi算法 | 第33-34页 |
| ·Baum-Welch算法 | 第34-35页 |
| ·语音识别训练方法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于仿生小波变换的语音增强及特征参数 | 第37-51页 |
| ·特征参数提取 | 第37-43页 |
| ·线性预测系数(LPC) | 第37-39页 |
| ·线性预测倒谱系数(LPCC) | 第39-40页 |
| ·MFCC特征提取 | 第40-43页 |
| ·基于仿生小波变换的相关性去噪 | 第43-47页 |
| ·相关性去噪原理 | 第43-44页 |
| ·仿生小波变换 | 第44-45页 |
| ·仿生小波相关性去噪的实现 | 第45-46页 |
| ·基于仿生小波变换的语音增强实验及结果分析 | 第46-47页 |
| ·基于仿生小波变换的语音特征参数提取 | 第47-50页 |
| ·小波变换的Mel频谱参数提取 | 第48-49页 |
| ·仿生小波的Mel频谱特征参数提取 | 第49页 |
| ·基于仿生小波的语音特征提取实验及结果分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第五章 实验及结果分析 | 第51-60页 |
| ·抗噪声的语音识别系统 | 第51-52页 |
| ·实验测试与分析 | 第52-59页 |
| ·实验平台的建立 | 第52-56页 |
| ·测试结果分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 总结与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间发表的论文 | 第66-68页 |
| 致谢 | 第68页 |
