| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 论文的主要研究内容 | 第13-15页 |
| 1.4 论文的结构安排 | 第15-17页 |
| 第二章 建立耳语语料库 | 第17-24页 |
| 2.1 语料库的介绍 | 第17-18页 |
| 2.2 语料库制作过程 | 第18-21页 |
| 2.2.1 发音人 | 第18页 |
| 2.2.2 录音语料 | 第18-20页 |
| 2.2.3 录音设备以及录音环境 | 第20-21页 |
| 2.2.4 数据储存 | 第21页 |
| 2.3 语料库的处理 | 第21-22页 |
| 2.3.1 人工筛选 | 第21-22页 |
| 2.3.2 语音切割 | 第22页 |
| 2.4 噪声语料库 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 耳语音特征研究和分类算法原理 | 第24-39页 |
| 3.1 耳语音声学特点 | 第24-28页 |
| 3.1.1 耳语音的发音机理 | 第24-25页 |
| 3.1.2 耳语音的声学特点 | 第25-26页 |
| 3.1.3 耳语音的数学模型 | 第26-27页 |
| 3.1.4 Praat对耳语音特征观测分析 | 第27-28页 |
| 3.2 分类模型分类 | 第28-35页 |
| 3.2.1 Praat特征提取与处理 | 第29-30页 |
| 3.2.2 MFCC特征 | 第30页 |
| 3.2.3 Matlab分类性观测 | 第30-32页 |
| 3.2.4 分类算法 | 第32-35页 |
| 3.3 概率统计模型分类 | 第35-38页 |
| 3.3.1 GMM模型 | 第35-36页 |
| 3.3.2 EM算法 | 第36-37页 |
| 3.3.3 在S-Klearn中应用GMM算法分类 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 耳语检测实验结果 | 第39-54页 |
| 4.1 正常语音和耳语音的分类 | 第39-44页 |
| 4.1.1 分类器分类 | 第40-41页 |
| 4.1.2 概率模型预测分类 | 第41-42页 |
| 4.1.3 分类结果分析 | 第42-44页 |
| 4.2 语料长短对分类结果的影响实验 | 第44-45页 |
| 4.3 耳语的端点检测技术研究 | 第45-52页 |
| 4.3.1 基于短时平均过零率和短时能量的耳语音静音检测 | 第46-49页 |
| 4.3.2 基于短时能零比法的耳语音端点检测方法 | 第49-51页 |
| 4.3.3 EMD分解实现耳语音噪声环境下的端点检测 | 第51-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 耳语音检测系统的搭建及识别 | 第54-65页 |
| 5.1 网页设计 | 第54-57页 |
| 5.1.1 HTML5 | 第54页 |
| 5.1.2 网页编辑 | 第54-57页 |
| 5.2 耳语音检测系统设计 | 第57-58页 |
| 5.2.1 设计系统模块 | 第57-58页 |
| 5.2.2 检测系统检测结果展示 | 第58页 |
| 5.3 语音识别 | 第58-63页 |
| 5.3.1 语音识别原理简述 | 第58-59页 |
| 5.3.2 语音识别的实现 | 第59-60页 |
| 5.3.3 耳语音孤立词识别的实现 | 第60-63页 |
| 5.4 本章小结 | 第63-65页 |
| 第六章 结论与讨论 | 第65-67页 |
| 6.1 结论 | 第65-66页 |
| 6.2 讨论 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 读研期间发表的论文 | 第71-72页 |
| 附录 | 第72-74页 |
