| 第一章 绪 论 | 第1-13页 |
| ·、 前言 | 第8页 |
| ·、 语音识别研究的意义 | 第8页 |
| ·、 语音识别的发展历程 | 第8-10页 |
| ·、 语音识别系统的分类方式及结构 | 第10-11页 |
| ·、 本文的主要工作和内容安排 | 第11-12页 |
| ·、 本文工作的意义 | 第12-13页 |
| 第二章 语音分析方法和特征提取 | 第13-31页 |
| ·、 发声系统和听觉系统数字模型 | 第13-17页 |
| ·、 语音发声系统的数字模型 | 第13-15页 |
| ·、 人类听觉系统模型 | 第15-17页 |
| ·、 语音信号分析 | 第17-23页 |
| ·、 语音信号的滤波器组分析 | 第17-20页 |
| ·、 线性预测编码分析技术 | 第20-23页 |
| ·、 语音特征提取 | 第23-30页 |
| ·、 线性预测倒谱系数(LPCC) | 第24-26页 |
| ·、 基于听觉模型的MFCC参数(Mel-Frequency Cepstrum Coefficients) | 第26-29页 |
| ·、 特征参数的失真测度比较 | 第29-30页 |
| ·、 小结 | 第30-31页 |
| 第三章 隐含马尔可夫模型 | 第31-47页 |
| ·、 前言 | 第31页 |
| ·、 连续密度隐含马尔可夫模型(CDHMM)的基本原理 | 第31-41页 |
| ·、 隐含马尔可夫模型(HMM) | 第31-35页 |
| ·、 连续密度隐含马尔可夫模型(CDHMM) | 第35-41页 |
| ·、 CDHMM实验 | 第41-45页 |
| ·、 实验过程 | 第41-45页 |
| ·、 实验结果及分析 | 第45页 |
| ·、 HMM的不足 | 第45-47页 |
| 第四章 人工神经网络在语音识别中的应用 | 第47-61页 |
| ·、 前言 | 第47页 |
| ·、 人工神经网络的基本要素 | 第47-50页 |
| ·、 多层感知器(Multi Layer Perception，MLP) | 第50-54页 |
| ·、 MLP的模型结构及原理 | 第51页 |
| ·、 MLP的训练学习算法 | 第51-54页 |
| ·、 Kohonen自组织神经网络 | 第54-61页 |
| ·、 Kohonen 网络的结构 | 第54-56页 |
| ·、 Kohonen的基本原理 | 第56-59页 |
| ·、 Kohonen自组织特征映射的训练 | 第59-61页 |
| 第五章 HMM与自组织神经网络结合的语音识别 | 第61-67页 |
| ·、 前言 | 第61-62页 |
| ·、 HMMNN模型的结构 | 第62-63页 |
| ·、 HMMNN模型的学习算法 | 第63-66页 |
| ·、 小结 | 第66-67页 |
| 第六章 结束语 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致 谢 | 第74-75页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第75页 |
