中文摘要 | 第1-4页 |
ABSTRACT(英文摘要) | 第4-10页 |
第一章 引言 | 第10-18页 |
1.1 语音识别简介 | 第10-13页 |
1.1.1 语音识别概念 | 第10-12页 |
1.1.2 语音识别技术概况 | 第12-13页 |
1.2 噪声对语音识别的影响 | 第13-15页 |
1.3 论文研究工作概述 | 第15-16页 |
1.4 论文内容安排 | 第16-18页 |
第二章 基于MFCC和HMM的语音识别系统 | 第18-34页 |
2.1 语音信号特征提取及MFCC | 第18-22页 |
2.2 隐含马尔可夫模型(HMM) | 第22-30页 |
2.2.1 隐含马尔可夫模型的基本概念 | 第23-24页 |
2.2.2 隐含马尔可夫模型的参数 | 第24-25页 |
2.2.3 隐含马尔可夫模型的三个基本问题 | 第25-30页 |
2.3 实验测试平台的构建 | 第30-33页 |
2.3.1 语音数据库 | 第31页 |
2.3.2 MFCC特征提取的声学设置 | 第31页 |
2.3.3 声学模型设置 | 第31-32页 |
2.3.4 训练过程 | 第32-33页 |
2.3.5 识别性能评价标准 | 第33页 |
2.4 小结 | 第33-34页 |
第三章 噪声对语音识别的影响及抗噪声语音识别研究现状 | 第34-51页 |
3.1 噪声分类 | 第34-35页 |
3.1.1 加性噪声与乘性噪声 | 第34-35页 |
3.1.2 平稳噪声、缓变噪声与冲激噪声 | 第35页 |
3.2 噪声对语音识别的影响 | 第35-41页 |
3.3 抗噪声语音识别研究现状 | 第41-50页 |
3.3.1 信号空间的消噪 | 第42-44页 |
3.3.2 特征空间的稳健特征与特征补偿 | 第44-48页 |
3.3.3 模型空间的参数调整 | 第48-50页 |
3.4 小结 | 第50-51页 |
第四章 基于语音增强失真补偿的多空间融合抗噪声算法 | 第51-85页 |
4.1 基于STSA估计的语音增强算法 | 第51-55页 |
4.1.1 减谱法 | 第52-53页 |
4.1.2 最小均方误差估计方法 | 第53-55页 |
4.2 语音增强失真分析 | 第55-60页 |
4.2.1 剩余噪声与语音频谱变形 | 第56-57页 |
4.2.2 语音增强失真频谱特性 | 第57-60页 |
4.3 模型空间并行模型合并算法 | 第60-66页 |
4.3.1 并行模型合并算法理论框架 | 第60-62页 |
4.3.2 对数相加近似算法 | 第62-66页 |
4.4 特征空间倒谱均值归一化算法 | 第66-68页 |
4.5 基于语音增强失真补偿的多空间融合抗噪声语音识别算法 | 第68-70页 |
4.6 实验结果与分析 | 第70-84页 |
4.6.1 白噪声环境下的实验结果及分析 | 第71-75页 |
4.6.2 其他噪声环境下的实验结果及分析 | 第75-84页 |
4.7 小结 | 第84-85页 |
第五章 冲激噪声环境下的稳健语音识别 | 第85-117页 |
5.1 研究背景 | 第85-86页 |
5.2 抗冲激噪声语音识别研究现状 | 第86-87页 |
5.3 冲激噪声对语音识别的影响与观测概率限值算法的提出 | 第87-91页 |
5.4 观测概率限值算法公式描述 | 第91-93页 |
5.5 特征噪声敏感度分析及特征划分 | 第93-98页 |
5.5.1 语音模型分散指数 | 第93-95页 |
5.5.2 结合纯净语音模型和冲激噪声特性的特征敏感度分析 | 第95-98页 |
5.6 敏感特征子向量限值门限的计算方法 . | 第98-103页 |
5.7 实验结果与分析 | 第103-116页 |
5.7.1 观测概率限值算法的实现框图 | 第103页 |
5.7.2 实验设置 | 第103-104页 |
5.7.3 TiDigits数据库测试 | 第104-113页 |
5.7.3.1 噪声敏感特征子向量的门限测试实验 | 第104-109页 |
5.7.3.2 观测概率限值算法在仿真冲激噪声环境中的测试 | 第109-110页 |
5.7.3.3 观测概率限值算法在机关枪噪声环境中的测试 | 第110-113页 |
5.7.4 Aurora2数据库测试 | 第113-116页 |
5.8 小结 | 第116-117页 |
总结 | 第117-122页 |
参考文献 | 第122-130页 |
致谢及声明 | 第130-132页 |
附录一 噪声倒谱分布直方图 | 第132-136页 |
附录二 各类噪声的语谱图 | 第136-138页 |