| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究的背景和意义 | 第9-10页 |
| ·研究现状 | 第10-15页 |
| ·本文的主要工作及特点 | 第15-16页 |
| ·论文结构安排 | 第16-17页 |
| 第二章 语音特征分析 | 第17-26页 |
| ·引言 | 第17页 |
| ·语音的发音系统 | 第17-19页 |
| ·语音信号特征分析 | 第19-23页 |
| ·共振峰参数 | 第19-20页 |
| ·基音频率 | 第20-21页 |
| ·LPC 倒谱系数 | 第21-22页 |
| ·Mel 频率倒谱系数 | 第22-23页 |
| ·低信噪比的语音特征分析 | 第23-25页 |
| ·耳语音的特点 | 第23-24页 |
| ·MFCC 修正参数 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 粒子滤波原理 | 第26-37页 |
| ·引言 | 第26-27页 |
| ·贝叶斯滤波原理 | 第27-29页 |
| ·卡尔曼滤波 | 第29-30页 |
| ·粒子滤波 | 第30-36页 |
| ·蒙特卡罗采样(Monte Carlo Sampling) | 第31页 |
| ·贝叶斯重要性采样(Bayesian Importance Sampling) | 第31-33页 |
| ·序列重要性采样(Sequential Importance Sampling) | 第33-35页 |
| ·粒子滤波存在的问题 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于粒子滤波的共振峰轨迹跟踪 | 第37-62页 |
| ·引言 | 第37-38页 |
| ·语音状态空间模型 | 第38-39页 |
| ·基于基本粒子滤波的共振峰轨迹跟踪 | 第39-48页 |
| ·算法描述 | 第39-40页 |
| ·实验结果及分析 | 第40-48页 |
| ·无迹粒子滤波算法(UNSCENTED PARTICLE FILTER, UPF) | 第48-54页 |
| ·U 变换(Unscented Transform) | 第49-50页 |
| ·UKF 算法描述 | 第50-52页 |
| ·基于UPF 的共振峰轨迹跟踪算法 | 第52页 |
| ·实验结果及分析 | 第52-54页 |
| ·辅助变量粒子滤波算法(AUXILIARY VECTOR PARTICLE FILTER，AVPF) | 第54-61页 |
| ·基于线谱对(LSP)分析的辅助变量估计 | 第55-57页 |
| ·基于AVPF 的共振峰轨迹跟踪算法 | 第57-58页 |
| ·实验结果及分析 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 共振峰参数及其轨迹的应用 | 第62-71页 |
| ·引言 | 第62页 |
| ·基于共振峰参数的声音转换 | 第62-66页 |
| ·基于GMM 的声音转换模型 | 第63-64页 |
| ·转换算法描述 | 第64-65页 |
| ·实验结果及分析 | 第65-66页 |
| ·共振峰轨迹在汉语耳语音识别中的应用 | 第66-70页 |
| ·基于GMM 的汉语耳语音孤立词识别系统 | 第66-68页 |
| ·用共振峰轨迹提高耳语音识别性能 | 第68-69页 |
| ·实验结果及分析 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第六章 结论与展望 | 第71-73页 |
| ·论文总结 | 第71-72页 |
| ·今后研究展望 | 第72-73页 |
| 参考文献 | 第73-78页 |
| 攻读硕士学位期间公开发表的论文 | 第78-79页 |
| 致谢 | 第79-80页 |
| 详细摘要 | 第80-82页 |
