基于概率模型的特征补偿算法在语音识别中的应用
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 表目录 | 第8-9页 |
| 图目录 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| ·前言 | 第10页 |
| ·噪声鲁棒性语音识别研究的意义 | 第10-11页 |
| ·语音识别的发展历史和现状 | 第11-13页 |
| ·历史 | 第11-12页 |
| ·语音识别现状 | 第12-13页 |
| ·论文研究的主题和论文安排 | 第13-15页 |
| 第二章 信道和噪声对语音识别的影响 | 第15-25页 |
| ·引言 | 第15页 |
| ·鲁棒性语音识别参数提取 | 第15-21页 |
| ·LPC参数 | 第15-18页 |
| ·MFCC参数 | 第18-19页 |
| ·PLP参数 | 第19-20页 |
| ·RASTA-PLP参数 | 第20-21页 |
| ·信道和噪声在美尔域对语音识别的影响 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 基于概率模型的特征补偿算法 | 第25-35页 |
| ·引言 | 第25页 |
| ·特征补偿算法概述 | 第25页 |
| ·基于概率模型的特征补偿算法 | 第25-33页 |
| ·概率模型的引入 | 第26-27页 |
| ·算法原理介绍 | 第27-29页 |
| ·后验概率q(z) | 第29-30页 |
| ·后验概率q_y(z)的参数 | 第30-31页 |
| ·参数收敛性描述 | 第31-33页 |
| ·实验仿真 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 基于概率模型和倒谱差分的特征补偿算法 | 第35-51页 |
| ·引言 | 第35页 |
| ·差分概率模型的提出 | 第35-36页 |
| ·参数训练 | 第36-42页 |
| ·单个高斯分布参数训练 | 第36-37页 |
| ·静态模型参数训练 | 第37-40页 |
| ·静态动态联合分布参数训练 | 第40-42页 |
| ·基于概率模型和倒谱差分的特征补偿算法 | 第42-44页 |
| ·基于概率模型的信道和噪声联合补偿算法 | 第44-47页 |
| ·信道补偿技术简介 | 第44-45页 |
| ·算法原理 | 第45-47页 |
| ·基于动态倒谱差分的信道和噪声联合补偿算法 | 第47-48页 |
| ·实验仿真 | 第48-49页 |
| ·本章小结 | 第49-51页 |
| 第五章 特征补偿算法在连续语音识别中的应用 | 第51-57页 |
| ·连续语音识别系统概述 | 第51-52页 |
| ·识别平台描述 | 第52页 |
| ·各种识别方法实验结果比较 | 第52-56页 |
| ·语言语料库 | 第52-53页 |
| ·噪声语料库 | 第53页 |
| ·实验结果比较 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 结束语 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 作者在学期间取得的学术成果 | 第63页 |
