摘要 | 第1-5页 |
ABSTRACT | 第5-11页 |
第一章 绪论 | 第11-18页 |
·前言 | 第11页 |
·语音识别发展史及现状 | 第11-13页 |
·国外研究历史及现状 | 第11-12页 |
·国内研究历史及现状 | 第12-13页 |
·语音识别系统 | 第13-16页 |
·语音识别基本原理 | 第13-14页 |
·语音识别的分类 | 第14-15页 |
·神经网络在语音识别中的应用 | 第15-16页 |
·本文的主要工作和内容安排 | 第16-17页 |
·小结 | 第17-18页 |
第二章 语音信号的声学基础及产生模型 | 第18-26页 |
·汉语语音学基础 | 第18-19页 |
·音素和音节 | 第18页 |
·元音和辅音 | 第18-19页 |
·声母和韵母 | 第19页 |
·汉语语音的主要特点 | 第19页 |
·语音信号的产生 | 第19-23页 |
·语音的发音器官 | 第20-21页 |
·语音信号的产生模型 | 第21-23页 |
·语音信号的听觉特性和语音感知 | 第23-25页 |
·听阈与听域 | 第23-24页 |
·音调 | 第24页 |
·掩蔽效应 | 第24-25页 |
·小结 | 第25-26页 |
第三章 语音信号预处理与特征提取 | 第26-45页 |
·语音文件的读取 | 第26-30页 |
·WAVE 文件的存储结构 | 第26-27页 |
·WAVE 文件的数据存储结构 | 第27-28页 |
·WAVE 样本点和样本框架 | 第28-29页 |
·用 C++ 语言实现对 WAVE 文件的读取 | 第29-30页 |
·预加重 | 第30-31页 |
·端点检测 | 第31-38页 |
·短时能量 | 第31-32页 |
·短时平均过零率 | 第32页 |
·Lawrence Rabiner 提出的端点检测方法 | 第32-34页 |
·本文所用的端点检测方法 | 第34-37页 |
·端点检测实验及结论 | 第37-38页 |
·分帧和加窗 | 第38-39页 |
·特征参数计算 | 第39-44页 |
·LPCC 的提取过程 | 第39-41页 |
·MFCC 的提取过程 | 第41-43页 |
·对特征参数进行倒谱提升 | 第43页 |
·动态差分参数的提取 | 第43-44页 |
·小结 | 第44-45页 |
第四章 BP 神经网络 | 第45-54页 |
·人工神经网络概述 | 第45-49页 |
·人工神经元模型 | 第45-47页 |
·人工神经网络模型 | 第47页 |
·神经网络的学习方法 | 第47-49页 |
·BP 神经网络 | 第49-53页 |
·BP 算法 | 第50-52页 |
·BP 算法的改进 | 第52-53页 |
·小结 | 第53-54页 |
第五章 遗传算法在神经网络中的应用 | 第54-62页 |
·前言 | 第54页 |
·遗传算法的基本思想和实现步骤 | 第54-55页 |
·遗传算法的基本思想 | 第54页 |
·遗传算法的实现步骤 | 第54-55页 |
·用遗传算法优化神经网络 | 第55-62页 |
·编码方案 | 第55-56页 |
·适应度函数的确定 | 第56-57页 |
·遗传操作 | 第57-59页 |
·控制参数的设定 | 第59-62页 |
第六章 实验与分析 | 第62-79页 |
·语音样本库的建立 | 第62页 |
·语音特征矢量库的建立 | 第62-67页 |
·语音信号的预处理 | 第62页 |
·语音特征参数的提取 | 第62-65页 |
·特征参数的归一化 | 第65-66页 |
·特征矢量序列的聚类合并 | 第66页 |
·语音特征资料库的程序实现 | 第66-67页 |
·基于 GA-BP 的汉语语音识别仿真及性能分析 | 第67-77页 |
·神经网络模型的建立 | 第67-68页 |
·隐含层神经元个数对网络性能的影响 | 第68-70页 |
·动量因子及学习率对网络性能的影响 | 第70-72页 |
·误差极限对网络性能的影响 | 第72-73页 |
·训练样本数目对识别性能的影响 | 第73-74页 |
·特征参数性能对比 | 第74-75页 |
·网络的初始权值对网络性能的影响 | 第75-77页 |
·小结 | 第77-79页 |
第七章 总结与展望 | 第79-81页 |
·总结 | 第79-80页 |
·将来的工作 | 第80-81页 |
参考文献 | 第81-84页 |
致谢 | 第84-85页 |
攻读学位期间发表论文情况 | 第85页 |