| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题目的和意义 | 第9-10页 |
| 1.2 ABC算法的研究现状 | 第10-12页 |
| 1.3 语音识别的研究现状 | 第12-13页 |
| 1.3.1 语音识别的国内外应用研究现状 | 第12页 |
| 1.3.2 WNN语音识别研究现状 | 第12-13页 |
| 1.4 本文主要内容及章节安排 | 第13-15页 |
| 2 语音信号预处理及特征提取 | 第15-23页 |
| 2.1 语音信号预处理 | 第15-18页 |
| 2.1.1 预加重 | 第15页 |
| 2.1.2 加窗分帧 | 第15-17页 |
| 2.1.3 端点检测 | 第17-18页 |
| 2.2 语音信号特征提取 | 第18-20页 |
| 2.2.1 LPC倒谱系数(LPCC) | 第18-19页 |
| 2.2.2 梅尔频率倒谱系数(MFCC) | 第19-20页 |
| 2.3 语音识别模型 | 第20-21页 |
| 2.4 本章小结 | 第21-23页 |
| 3 ABC算法的性能分析 | 第23-39页 |
| 3.1 其他群智能优化算法 | 第23-27页 |
| 3.2 ABC算法 | 第27-31页 |
| 3.2.1 ABC算法的基本原理 | 第27-28页 |
| 3.2.2 ABC算法的搜索过程 | 第28-31页 |
| 3.3 ABC算法的性能分析 | 第31页 |
| 3.4 改进的ABC算法 | 第31-34页 |
| 3.4.1 改进的ABC算法思想 | 第32-33页 |
| 3.4.2 改进的ABC算法实现 | 第33-34页 |
| 3.5 改进后的ABC算法优化性能分析实验 | 第34-38页 |
| 3.5.1 测试用的标准函数 | 第34页 |
| 3.5.2 实验结果及分析 | 第34-38页 |
| 3.6 本章小结 | 第38-39页 |
| 4 基于ADSABC算法优化WNN语音识别模型训练 | 第39-49页 |
| 4.1 人工神经网络 | 第39-41页 |
| 4.2 小波神经网络 | 第41-45页 |
| 4.2.1 WNN的结构分类 | 第41-42页 |
| 4.2.2 WNN的结构模型 | 第42-45页 |
| 4.3 基于WNN的语音识别模型训练 | 第45-46页 |
| 4.4 基于自适应双搜索进化ABC算法的WNN训练模型 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 5 实验仿真与结果分析 | 第49-61页 |
| 5.1 准备工作 | 第49-50页 |
| 5.2 预处理 | 第50-53页 |
| 5.3 特征提取 | 第53-54页 |
| 5.4 ADSABC-WNN混合模型仿真 | 第54-59页 |
| 5.4.1 实验过程 | 第54页 |
| 5.4.2 实验环境与参数设置 | 第54-55页 |
| 5.4.3 实验结果与分析 | 第55-59页 |
| 5.5 本章小结 | 第59-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 攻读硕士学位期间发表的论文及成果 | 第71页 |