基于HMM模型的连接词语音识别的抗噪研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·语音识别系统概述 | 第8页 |
| ·语音识别技术研究与发展 | 第8-11页 |
| ·国内外研究历史与现状 | 第8-10页 |
| ·发展前景 | 第10页 |
| ·面临的问题和困难 | 第10-11页 |
| ·本课题研究背景和内容 | 第11页 |
| ·本文的内容结构 | 第11-13页 |
| 第二章 语音信号基本理论 | 第13-23页 |
| ·语音信号的声管模型 | 第13-14页 |
| ·语音信号的预处理 | 第14-17页 |
| ·采样和量化 | 第14-15页 |
| ·预加重 | 第15页 |
| ·加窗分帧 | 第15-17页 |
| ·语音信号时域分析 | 第17-20页 |
| ·短时能量 | 第18页 |
| ·短时平均过零率 | 第18-19页 |
| ·短时自相关函数 | 第19-20页 |
| ·短时平均幅度差函数 | 第20页 |
| ·语音信号频域分析 | 第20-22页 |
| ·短时傅立叶分析 | 第20-21页 |
| ·语谱图 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 端点检测算法的研究与实现 | 第23-35页 |
| ·能量-过零率双门限法 | 第23-25页 |
| ·谱熵法 | 第25-26页 |
| ·C_0复杂性测度法 | 第26-29页 |
| ·C_0复杂度能量法 | 第29-31页 |
| ·语音增强 | 第29-30页 |
| ·C_0复杂度能量 | 第30页 |
| ·端点检测的步骤 | 第30-31页 |
| ·实验对比及结论 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 特征提取算法研究与实现 | 第35-44页 |
| ·线性预测倒谱系数(LPCC) | 第35-37页 |
| ·Mel频率倒谱系数(MFCC) | 第37-39页 |
| ·系统中采用的特征参数 | 第39-43页 |
| ·加权MFCC | 第40页 |
| ·一阶MFCC动态差分参数 | 第40页 |
| ·CMFCC | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 隐马尔可夫模型(HMM) | 第44-63页 |
| ·隐马尔可夫模型的定义 | 第45-47页 |
| ·马尔可夫链(Markov) | 第45-46页 |
| ·隐马尔可夫模型(HMM) | 第46-47页 |
| ·隐马尔可夫模型的三个基本问题及解决方法 | 第47-52页 |
| ·隐马尔可夫模型的三个基本问题 | 第47页 |
| ·前向-后向算法 | 第47-49页 |
| ·Viterbi算法 | 第49-51页 |
| ·Baum-Welch算法 | 第51-52页 |
| ·HMM算法在本文系统实现中的一些具体问题 | 第52-61页 |
| ·HMM类型 | 第52-56页 |
| ·多个训练集的处理 | 第56-58页 |
| ·HMM初值的选择 | 第58-59页 |
| ·数据下溢问题 | 第59-61页 |
| ·连接词识别算法 | 第61-62页 |
| ·Two-Level动态规划算法 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 第六章 基于HMM的连接词语音识别实验与实现 | 第63-71页 |
| ·软硬件环境 | 第63页 |
| ·语音数据库 | 第63-64页 |
| ·孤立词语音识别系统 | 第64-66页 |
| ·孤立词识别系统模型 | 第64-65页 |
| ·实验结果与分析 | 第65-66页 |
| ·连接词语音识别系统 | 第66-70页 |
| ·系统原理与构成 | 第66-67页 |
| ·实验结界与分析 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 结束语 | 第71-73页 |
| 论文总结 | 第71页 |
| 进一步的工作 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 附录 | 第76-81页 |
| 攻读硕士学位期间取得的学术成果 | 第81-82页 |
| 致谢 | 第82页 |
