基于回声状态网络的非特定人孤立词语音识别方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 引言 | 第8-12页 |
| ·研究背景及意义 | 第8页 |
| ·国内外研究现状 | 第8-10页 |
| ·语音识别面临的困难 | 第10-11页 |
| ·本文研究内容与组织结构 | 第11-12页 |
| 第二章 语音识别系统 | 第12-21页 |
| ·语音识别系统简介 | 第12页 |
| ·语音识别系统的分类 | 第12-13页 |
| ·语音信号的预处理 | 第13-18页 |
| ·预滤波和采样量化 | 第13-14页 |
| ·预加重 | 第14页 |
| ·分帧和加窗 | 第14-16页 |
| ·端点检测 | 第16-18页 |
| ·孤立词语音识别系统的识别方法 | 第18-20页 |
| ·动态时间规整 | 第19页 |
| ·矢量量化 | 第19-20页 |
| ·隐马尔可夫模型 | 第20页 |
| ·人工神经网络 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第三章 特征参数的选择及提取 | 第21-27页 |
| ·LPC特征参数 | 第21-22页 |
| ·LPCC特征参数 | 第22页 |
| ·MFCC特征参数 | 第22-24页 |
| ·基于MFCC的混合特征参数 | 第24-26页 |
| ·差分MFCC参数的提取 | 第25页 |
| ·IMFCC参数的提取 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第四章 回声状态网络 | 第27-37页 |
| ·回声状态网络的结构及学习算法 | 第27-28页 |
| ·ESN的优化 | 第28-37页 |
| ·储备池的优化 | 第28-32页 |
| ·储备池参数对网络性能的影响 | 第29-31页 |
| ·储备池参数的优化方法 | 第31-32页 |
| ·输出权值的优化 | 第32-37页 |
| ·粒子群优化算法 | 第32-34页 |
| ·PSO-ESN模型 | 第34-37页 |
| 第五章 仿真实验 | 第37-46页 |
| ·实验数据样本 | 第37页 |
| ·语音信号的预处理仿真 | 第37-40页 |
| ·语音信号的预滤波和采样量化仿真 | 第37-38页 |
| ·语音信号预加重仿真 | 第38页 |
| ·语音信号的分帧加窗仿真 | 第38-39页 |
| ·语音信号的端点检测仿真 | 第39-40页 |
| ·基于特征参数的仿真 | 第40-44页 |
| ·基于LPCC参数的仿真 | 第40-41页 |
| ·基于MFCC参数的仿真 | 第41-42页 |
| ·基于混合参数的仿真 | 第42-44页 |
| ·基于ESN别网络的仿真 | 第44-46页 |
| ·网络的训练及识别 | 第44-45页 |
| ·仿真实验及分析 | 第45-46页 |
| 第六章 结论 | 第46-47页 |
| 参考文献 | 第47-51页 |
| 在学期间的研究成果 | 第51-52页 |
| 致谢 | 第52页 |
