| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-11页 |
| CONTENTS | 第11-14页 |
| 第一章 绪论 | 第14-21页 |
| 1.1 研究的目的和意义 | 第14-15页 |
| 1.2 国内外发展历史和研究状况 | 第15-19页 |
| 1.2.1 服务机器人国内外研究状况 | 第15-17页 |
| 1.2.2 语音识别国内外研究状况 | 第17-18页 |
| 1.2.3 语音信号的端点检测技术研究现状 | 第18页 |
| 1.2.4 语音信号特征降维现状 | 第18-19页 |
| 1.3 主要研究内容及创新点 | 第19-20页 |
| 1.4 本章小结 | 第20-21页 |
| 第二章 语音信号前端处理的基本原理 | 第21-35页 |
| 2.1 语音信号的数学模型 | 第21-23页 |
| 2.2 语音信号的预处理 | 第23-31页 |
| 2.2.1 语音信号的预加重 | 第23页 |
| 2.2.2 语音信号的分帧和加窗 | 第23-25页 |
| 2.2.3 语音信号的端点检测 | 第25-31页 |
| 2.3 语音信号特征参数提取 | 第31-34页 |
| 2.3.1 语音信号线性预测分析 | 第31-32页 |
| 2.3.2 语音信号线性预测倒谱分析 | 第32-33页 |
| 2.3.3 语音信号美尔倒谱系数分析 | 第33-34页 |
| 2.4 本章小结 | 第34-35页 |
| 第三章 语音识别算法 | 第35-43页 |
| 3.1 语音识别概述 | 第35-36页 |
| 3.2 隐马尔科夫模型(HMM) | 第36-42页 |
| 3.2.1 隐马尔科夫模型介绍 | 第36-38页 |
| 3.2.2 HMM第一个问题解决算法 | 第38-39页 |
| 3.2.3 HMM第二个问题解决算法-Viterbi算法 | 第39-40页 |
| 3.2.4 HMM第三个问题解决算法-Baum-Welch算法 | 第40-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 语音降维算法与语音聚类分组研究 | 第43-51页 |
| 4.1 PCA降维算法 | 第43-47页 |
| 4.1.1 主成分分析(PCA)的概述 | 第43页 |
| 4.1.2 主成分分析(PCA)的计算 | 第43-45页 |
| 4.1.3 语音信号PCA降维 | 第45-47页 |
| 4.2 语音信号的聚类分组 | 第47-50页 |
| 4.2.1 k均值聚类算法的概述 | 第47页 |
| 4.2.2 k均值聚类算法的计算 | 第47-49页 |
| 4.2.3 确定语音信号分组号 | 第49-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 服务机器人语音控制系统设计与实现 | 第51-58页 |
| 5.1 系统总体方案设计 | 第51页 |
| 5.2 硬件总体设计 | 第51-52页 |
| 5.3 软件系统设计 | 第52-57页 |
| 5.3.1 安卓系统端软件设计 | 第52-54页 |
| 5.3.2 语音识别算法程序设计 | 第54-55页 |
| 5.3.3 Arduino控制板端程序设计 | 第55-56页 |
| 5.3.4 系统的软件开发环境 | 第56页 |
| 5.3.5 系统的控制界面设计 | 第56-57页 |
| 5.4 本章小结 | 第57-58页 |
| 第六章 实验结果分析 | 第58-63页 |
| 6.1 语音信号的端点检测仿真 | 第58-59页 |
| 6.2 降维分组实验数据分析 | 第59-61页 |
| 6.3 服务机器人控制系统调试实验 | 第61-62页 |
| 6.4 本章小结 | 第62-63页 |
| 结论及展望 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 攻读学位期间发表论文 | 第69-71页 |
| 致谢 | 第71页 |