语音信号的识别与转换研究
| 摘要 | 第1-3页 |
| ABSTRACT | 第3-4页 |
| 目录 | 第4-6页 |
| 1 前言 | 第6-13页 |
| ·选题依据 | 第6-7页 |
| ·研究与发展现状 | 第7-9页 |
| ·研究思路与内容 | 第9-12页 |
| ·研究思路 | 第9-10页 |
| ·研究内容 | 第10-12页 |
| ·主要成果 | 第12-13页 |
| 2 语音信号分析 | 第13-17页 |
| ·短时分析技术 | 第13页 |
| ·预加权处理 | 第13-14页 |
| ·端点检测 | 第14-15页 |
| ·基音周期的提取 | 第15页 |
| ·清浊音判决 | 第15-17页 |
| 3 说话人识别和特征参数的提取 | 第17-23页 |
| ·说话人识别 | 第17-19页 |
| ·说话人识别简介 | 第17页 |
| ·说话人识别的应用前景 | 第17-18页 |
| ·说话人识别的技术难点 | 第18页 |
| ·说话人识别的几种方法 | 第18-19页 |
| ·特征参数的提取 | 第19-23页 |
| ·特征参数提取的准则 | 第20页 |
| ·Mel倒谱 | 第20-23页 |
| 4 隐马尔可夫模型 | 第23-34页 |
| ·隐马尔可夫模型简介 | 第23页 |
| ·HMM的分类 | 第23页 |
| ·HMM原理 | 第23-29页 |
| ·模型的建立 | 第29-32页 |
| ·实验结果 | 第32-34页 |
| 5 混叠语音信号分离 | 第34-56页 |
| ·盲信号分离 | 第34-36页 |
| ·盲信号分离的产生及背景 | 第34-35页 |
| ·盲信号分离问题的描述 | 第35页 |
| ·盲信号分离问题的前提假设 | 第35-36页 |
| ·盲信号分离的可实现性 | 第36页 |
| ·高阶累积量 | 第36-44页 |
| ·高阶累积量的定义 | 第36-37页 |
| ·信号分离的判据 | 第37-38页 |
| ·混叠语音分离算法 | 第38-44页 |
| ·独立分量分析 | 第44-50页 |
| ·ICA的基本原理 | 第44-48页 |
| ·快速ICA算法 | 第48-50页 |
| ·实验结果 | 第50-56页 |
| ·高阶累积量法 | 第52-53页 |
| ·FastICA法 | 第53页 |
| ·实验结果的比较 | 第53-54页 |
| ·识别结果 | 第54-56页 |
| 6 基于神经网络的语音信号特征转换 | 第56-62页 |
| ·神经网络简介 | 第56页 |
| ·语音信号特征转换 | 第56-57页 |
| ·BP网络 | 第57-59页 |
| ·BP网络简介 | 第57页 |
| ·BP网络的基本原理 | 第57-59页 |
| ·实验结果 | 第59-62页 |
| 结论与建议 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-65页 |
