基于神经网络和小波变换的语音识别系统研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 课题的研究背景及意义 | 第13-15页 |
| 1.2 语音识别发展状况 | 第15-17页 |
| 1.2.1 国外研究发展状况 | 第15-16页 |
| 1.2.2 国内研究发展状况 | 第16-17页 |
| 1.3 语音识别发展状况 | 第17页 |
| 1.4 本文研究内容 | 第17-19页 |
| 第二章 语音识别的基本原理 | 第19-43页 |
| 2.1 引言 | 第19页 |
| 2.2 语音信号的产生与模型 | 第19-22页 |
| 2.2.1 语音的产生机理 | 第19-20页 |
| 2.2.2 语音信号的数学模型 | 第20-22页 |
| 2.3 语音信号的预处理 | 第22-30页 |
| 2.3.1 语音信号预滤波与数字化 | 第22-23页 |
| 2.3.2 语音信号的预加重 | 第23页 |
| 2.3.3 语音信号加窗分帧 | 第23-25页 |
| 2.3.4 语音信号的端点检测 | 第25-30页 |
| 2.4 语音信号的特征参数 | 第30-33页 |
| 2.4.1 线性预测倒谱系数 | 第31-32页 |
| 2.4.2 Mel倒谱系数 | 第32-33页 |
| 2.4.3 特征参数差分 | 第33页 |
| 2.5 语音信号识别 | 第33-42页 |
| 2.5.1 语音识别的模型 | 第34-40页 |
| 2.5.2 语音模板训练 | 第40-41页 |
| 2.5.3 语音识别决策 | 第41-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第三章 神经网络在端点检测的应用 | 第43-53页 |
| 3.1 引言 | 第43页 |
| 3.2 神经网络的基本概念 | 第43-47页 |
| 3.2.1 神经元 | 第43-44页 |
| 3.2.2 神经网络的网络拓扑 | 第44-46页 |
| 3.2.3 神经网络的学习方法 | 第46页 |
| 3.2.4 神经网络的学习算法 | 第46-47页 |
| 3.3 感知器神经网络 | 第47-49页 |
| 3.3.1 多层感知器基本原理 | 第47-48页 |
| 3.3.2 BP训练方法 | 第48页 |
| 3.3.3 改进的端点检测算法 | 第48-49页 |
| 3.4 对比方案 | 第49-51页 |
| 3.5 本章小结 | 第51-53页 |
| 第四章 改进的特征参数提取算法 | 第53-62页 |
| 4.1 引言 | 第53页 |
| 4.2 傅立叶变换 | 第53-54页 |
| 4.3 小波变换原理 | 第54-57页 |
| 4.3.1 小波分析 | 第54页 |
| 4.3.2 一维连续小波变换 | 第54-56页 |
| 4.3.3 离散化小波变换 | 第56页 |
| 4.3.4 多分辨率分析 | 第56-57页 |
| 4.4 改进的特征参数算法 | 第57-60页 |
| 4.4.1 语音信号的小波包分解 | 第58-59页 |
| 4.4.2 改进的特征参数提取算法 | 第59-60页 |
| 4.5 对比方案 | 第60-61页 |
| 4.6 本章小结 | 第61-62页 |
| 第五章 语音识别系统的应用与仿真 | 第62-76页 |
| 5.1 引言 | 第62页 |
| 5.2 在机器人平台下的应用 | 第62-69页 |
| 5.2.1 机器人平台硬件系统 | 第62-64页 |
| 5.2.2 机器人平台软件系统 | 第64-66页 |
| 5.2.3 实验结果 | 第66-69页 |
| 5.3 在Android平台下的应用 | 第69-75页 |
| 5.3.1 Android系统与框架 | 第69-70页 |
| 5.3.2 语音识别算法实现 | 第70-73页 |
| 5.3.3 Android与Android结合 | 第73页 |
| 5.3.4 实验结果 | 第73-75页 |
| 5.4 本章小结 | 第75-76页 |
| 总结与展望 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表论文 | 第82页 |
| 攻读学位期间参加的课题 | 第82-84页 |
| 致谢 | 第84页 |
