基于DTW的孤立词语音识别系统研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 语音识别系统概述 | 第7页 |
| 1.2 语音识别研究状况 | 第7-9页 |
| 1.2.1 国外研究情况 | 第7-8页 |
| 1.2.2 国内研究情况 | 第8-9页 |
| 1.3 语音识别技术的应用 | 第9页 |
| 1.4 语音识别技术的发展趋势 | 第9-10页 |
| 1.5 语音处理面临的难点 | 第10-11页 |
| 1.6 本课题的研究背景 | 第11页 |
| 1.7 论文结构安排 | 第11-13页 |
| 第二章 语音信号的时频分析及孤立词识别关键技术 | 第13-27页 |
| 2.1 语音信号的时域分析 | 第13-15页 |
| 2.1.1 语音短时分析技术 | 第13-14页 |
| 2.1.2 短时能量 | 第14页 |
| 2.1.3 短时平均过零率 | 第14-15页 |
| 2.1.4 短时自相关函数 | 第15页 |
| 2.1.5 短时平均幅度差函数 | 第15页 |
| 2.2 语音信号的频域分析 | 第15-18页 |
| 2.2.1 短时傅里叶变换 | 第15-16页 |
| 2.2.2 语谱图 | 第16-17页 |
| 2.2.3 小波变换 | 第17-18页 |
| 2.3 孤立词识别关键技术 | 第18-26页 |
| 2.3.1 语音端点检测 | 第18页 |
| 2.3.2 预处理 | 第18-21页 |
| 2.3.3 特征提取 | 第21-26页 |
| 2.4 本章总结 | 第26-27页 |
| 第三章 语音识别的算法研究 | 第27-36页 |
| 3.1 概述 | 第27页 |
| 3.2 动态时间规划(DTW) | 第27-29页 |
| 3.2.1 动态规划技术(DP) | 第27-28页 |
| 3.2.2 DTW语音识别算法 | 第28-29页 |
| 3.3 隐马尔可夫模型(HMM) | 第29-33页 |
| 3.3.1 HMM定义 | 第29-30页 |
| 3.3.2 HMM基本算法 | 第30-33页 |
| 3.4 人工神经网络(ANN) | 第33-35页 |
| 3.4.1 人工神经网络介绍 | 第33页 |
| 3.4.2 神经网络在语音识别中的应用 | 第33-35页 |
| 3.5 几种算法的对比分析 | 第35页 |
| 3.6 本章总结 | 第35-36页 |
| 第四章 系统的设计与实现 | 第36-45页 |
| 4.1 语音识别系统基本流程图 | 第36-37页 |
| 4.2 系统目标 | 第37页 |
| 4.3 运行环境 | 第37-38页 |
| 4.3.1 硬件环境 | 第37-38页 |
| 4.3.2 软件环境 | 第38页 |
| 4.4 系统实现的功能 | 第38页 |
| 4.5 系统实现的过程 | 第38-44页 |
| 4.6 本章总结 | 第44-45页 |
| 第五章 结束语 | 第45-47页 |
| 5.1 论文总结 | 第45页 |
| 5.2 进一步的工作 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50页 |
