| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第6-13页 |
| ·自动语言辨识基本原理 | 第6-8页 |
| ·语言辨识信息 | 第6-7页 |
| ·自动语言辨识系统 | 第7-8页 |
| ·自动语言辨识发展史 | 第8-12页 |
| ·语料库 | 第8页 |
| ·辨识方法 | 第8-12页 |
| ·本论文主要工作 | 第12-13页 |
| 第二章 时频主分量特征 | 第13-21页 |
| ·特征变换 | 第13-19页 |
| ·线性判别分析(LDA) | 第13-16页 |
| ·主分量分析(PCA) | 第16-18页 |
| ·独立分量分析(ICA) | 第18-19页 |
| ·时频主分量特征提取 | 第19-21页 |
| ·时频滤波 | 第19-20页 |
| ·训练与识别 | 第20-21页 |
| 第三章 COHEN类双线性时频分布 | 第21-29页 |
| ·COHEN类时频分布 | 第21-22页 |
| ·核方法 | 第22-23页 |
| ·与核有关的基本特性 | 第23-25页 |
| ·COHEN类双线性时频分布的四个平面 | 第25-26页 |
| ·实验所用COHEN类双线性时频分布 | 第26-27页 |
| ·魏格纳维尔分布(Wigner-Ville Distribution) | 第26页 |
| ·玻恩-约尔丹分布(Born-Jordan Distribution) | 第26-27页 |
| ·赵-阿特拉斯-马克斯分布(Zhao-Atlas-Marks Distribution) | 第27页 |
| ·COHEN类分布的离散实现 | 第27-29页 |
| 第四章 利用COHEN类双线性时频分布提取的三种特征 | 第29-37页 |
| ·基音特征 | 第29-32页 |
| ·时频美尔频率倒谱系数 | 第32-34页 |
| ·美尔频率倒谱系数 | 第32-34页 |
| ·时频美尔倒谱系数 | 第34页 |
| ·类相关核时频分布特征 | 第34-37页 |
| 第五章 实验 | 第37-44页 |
| ·语料选取 | 第37页 |
| ·模型 | 第37-39页 |
| ·高斯混合模型定义 | 第37-38页 |
| ·参数调整算法-EM算法 | 第38-39页 |
| ·实验结果 | 第39-44页 |
| ·时频主分量特征 | 第39-40页 |
| ·基音频率特征 | 第40-41页 |
| ·时频美尔倒谱系数特征 | 第41-42页 |
| ·类相关核时频分布特征 | 第42-44页 |
| 第六章 总结与展望 | 第44-46页 |
| ·全文总结 | 第44-45页 |
| ·进一步研究方向 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50页 |
