| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·语音识别的发展及现状 | 第9-11页 |
| ·车载语音识别的发展与现状 | 第11-12页 |
| ·本文结构安排 | 第12-14页 |
| 第二章 语音识别的基本原理 | 第14-32页 |
| ·语音信号的预处理 | 第15-17页 |
| ·预滤波、采样、A/D 转换 | 第15-16页 |
| ·预加重、分帧加窗处理 | 第16-17页 |
| ·语音信号的时域特性和频域特性 | 第17-20页 |
| ·语音信号的时域特性 | 第17-18页 |
| ·语音信号的频域分析 | 第18-20页 |
| ·特征参数提取 | 第20-24页 |
| ·线性预测倒谱系数(LPCC) | 第21-22页 |
| ·美尔频率倒谱参数(MFCC) | 第22-24页 |
| ·隐马尔可夫模型(HMM) | 第24-32页 |
| ·隐马尔可夫模型定义 | 第25-27页 |
| ·基于 HMM 的识别及匹配算法 | 第27-32页 |
| 第三章 采用特征空间随机映射的鲁棒性语音识别 | 第32-48页 |
| ·随机映射原理 | 第33-34页 |
| ·Johnson-Lindenstrauss lemma | 第34-35页 |
| ·随机映射矩阵的选择 | 第35-37页 |
| ·随机映射 MEL 倒谱系数 RP_MFCC | 第37-38页 |
| ·结合 Majority voting 的识别判决 | 第38-39页 |
| ·实验结果与分析 | 第39-48页 |
| ·CENSREC-2 语音库 | 第40-41页 |
| ·系统参数设置 | 第41-43页 |
| ·真实驾驶环境中的实验结果与分析 | 第43-45页 |
| ·基于 Noise-X92 噪声环境下的识别结果与分析 | 第45-48页 |
| 第四章 语音识别前端的鲁棒性技术 | 第48-62页 |
| ·鲁棒性语音识别技术 | 第49-50页 |
| ·短时谱估计方法 | 第50-54页 |
| ·短时谱估计原理 | 第51-52页 |
| ·谱减法 | 第52-53页 |
| ·最小均方误差方法 | 第53-54页 |
| ·两级维纳滤波方法 | 第54-57页 |
| ·维纳滤波 | 第54-55页 |
| ·两级维纳滤波算法 | 第55-57页 |
| ·实验结果与分析 | 第57-62页 |
| 第五章 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69-70页 |
