基于HMM的嵌入式语音识别系统的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| CONTENT | 第11-14页 |
| 第一章 绪论 | 第14-21页 |
| ·语音识别概述 | 第14页 |
| ·国内外语音识别技术的发展历史及其现状 | 第14-16页 |
| ·语音识别系统组成及分类 | 第16-18页 |
| ·语音识别系统组成 | 第16-17页 |
| ·语音识别系统分类 | 第17-18页 |
| ·嵌入式语音识别系统 | 第18-19页 |
| ·论文背景项目内容及前期工作 | 第19-20页 |
| ·论文主要研究内容及架构 | 第20-21页 |
| 第二章 语音识别信号分析 | 第21-33页 |
| ·语音信号的声学原理 | 第21-22页 |
| ·语音信号的预处理 | 第22-27页 |
| ·语音信号的预加重 | 第22-23页 |
| ·语音信号的分帧处理 | 第23页 |
| ·语音信号的加窗处理 | 第23-25页 |
| ·语音信号的端点检测 | 第25-27页 |
| ·语音信号的特征参数提取 | 第27-31页 |
| ·线性预测系数(LPC) | 第27-28页 |
| ·线性预测倒谱系数(LPCC) | 第28-29页 |
| ·美尔倒谱系数(MFCC) | 第29-31页 |
| ·语音识别单元的选取 | 第31-32页 |
| ·LPCC与MFCC的比较 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第三章 语音识别算法 | 第33-49页 |
| ·动态时间规整(DTW) | 第33-34页 |
| ·动态时间规整基本思想 | 第33页 |
| ·动态时间规整基本原理 | 第33-34页 |
| ·人工神经网络(ANN) | 第34-36页 |
| ·人工神经网络基本概念 | 第34-35页 |
| ·人工神经网络在语音识别中的应用 | 第35-36页 |
| ·隐马尔可夫模型(HMM) | 第36-44页 |
| ·隐马尔可夫模型基本原理 | 第36-37页 |
| ·隐马尔可夫模型的结构和类型 | 第37-38页 |
| ·隐马尔可夫模型基本问题及其解决方案 | 第38-44页 |
| ·改进的HMM模型与识别算法 | 第44-48页 |
| ·改进的HMM模型训练----多观察序列建模 | 第44-47页 |
| ·改进的HMM识别算法-----双模板匹配法 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于HMM的语音识别系统的设计与实现 | 第49-60页 |
| ·系统架构 | 第49-50页 |
| ·语音识别系统 | 第50-59页 |
| ·语音采集 | 第50-51页 |
| ·语音信号预处理 | 第51-53页 |
| ·特征参数提取 | 第53-54页 |
| ·训练模块 | 第54-57页 |
| ·语音识别模块 | 第57-59页 |
| ·本章小结 | 第59-60页 |
| 第五章 嵌入式语音识别系统的设计与实现 | 第60-79页 |
| ·嵌入式系统平台 | 第60-65页 |
| ·嵌入式语音识别的系统要求 | 第60-62页 |
| ·嵌入式硬件系统设计 | 第62-64页 |
| ·嵌入式操作系统 | 第64-65页 |
| ·Windows CE操作系统 | 第65-72页 |
| ·Windows CE体系结构 | 第65-67页 |
| ·Windows CE 6.0系统定制与移植 | 第67-72页 |
| ·嵌入式数据库 | 第72-76页 |
| ·嵌入式数据库概述 | 第72页 |
| ·嵌入式系统中数据库的设计与实现 | 第72-76页 |
| ·嵌入式语音识别系统 | 第76-77页 |
| ·系统评测 | 第77-78页 |
| ·本章小结 | 第78-79页 |
| 总结与展望 | 第79-81页 |
| 工作总结 | 第79页 |
| 工作展望 | 第79-81页 |
| 参考文献 | 第81-84页 |
| 攻读硕士学位期间发表论文 | 第84-86页 |
| 致谢 | 第86页 |
