GD-1型拟人机器人语音识别研究与设计
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·研究课题的背景和研究意义 | 第9-10页 |
| ·机器人的相关知识介绍 | 第10-11页 |
| ·机器人语音识别的相关介绍 | 第11-15页 |
| ·国外语音识别技术的发展 | 第12-14页 |
| ·国内的语音识别技术的发展 | 第14页 |
| ·语音识别在研究过程中所具有的难点 | 第14-15页 |
| ·本文的主要工作内容和结构框架 | 第15-16页 |
| 2 语音识别的基本原理 | 第16-26页 |
| ·语音识别的原理和识别系统组成 | 第16页 |
| ·语音信号的预处理过程 | 第16-21页 |
| ·语音信号的采样原理 | 第17-18页 |
| ·语音信号的预加重介绍 | 第18页 |
| ·语音信号的加窗和分帧 | 第18-21页 |
| ·端点检测 | 第21-25页 |
| ·基于短时能量、短时平均幅度相结合的端点检测 | 第21-22页 |
| ·基于短时平均过零率的端点检测 | 第22-24页 |
| ·双门限端点检测的算法 | 第24页 |
| ·实验仿真结果 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 3 语音信号参数的提取 | 第26-33页 |
| ·特征参数的提取的方法介绍 | 第26-30页 |
| ·LPC-线性预测系数 | 第26-28页 |
| ·LPCC-线性预测倒谱系数 | 第28-29页 |
| ·Mel频率倒谱系数(MFCC) | 第29-30页 |
| ·语音识别单元的选取 | 第30-31页 |
| ·MFCC参数提取的优点 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4 语音识别算法的原理和实现 | 第33-46页 |
| ·基于HMM模型的语音识别算法 | 第33-36页 |
| ·HMM的表示方法 | 第33-34页 |
| ·HMM的三个问题 | 第34-36页 |
| ·HMM存在的不足和缺陷 | 第36页 |
| ·ANN-人工神经网络的算法过程 | 第36-39页 |
| ·人工神经网络的介绍和原理实现 | 第36-38页 |
| ·ANN的学习训练 | 第38-39页 |
| ·ANN模型存在的缺陷 | 第39页 |
| ·动态规整算法 | 第39-45页 |
| ·DTW基本原理 | 第40-42页 |
| ·路径搜索策略 | 第42-45页 |
| ·距离测度 | 第45页 |
| ·本章小结 | 第45-46页 |
| 5 系统的实现 | 第46-57页 |
| ·基于Matlab的语音识别的实现 | 第46-51页 |
| ·VC++与Matlab之间的通信 | 第46-47页 |
| ·在线实时采集应用程序接口函数介绍 | 第47-48页 |
| ·用Matlab编程实现语音识别 | 第48-51页 |
| ·系统的串行通信实现 | 第51-56页 |
| ·Matlab串口通信简介 | 第51-52页 |
| ·Matlab的串口通信软件设计 | 第52-56页 |
| ·本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-58页 |
| ·本文总结 | 第57页 |
| ·问题与展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 申请学位期间的研究成果及发表的学术论文 | 第60-61页 |
| 致谢 | 第61页 |
