语音识别中个人特征参数提取研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-17页 |
| ·课题研究背景 | 第11-12页 |
| ·国内外语音识别发展现状与趋势 | 第12-14页 |
| ·课题研究的目的和意义 | 第14-15页 |
| ·课题研究内容及论文安排 | 第15-17页 |
| ·课题研究内容 | 第15页 |
| ·论文内容安排 | 第15-17页 |
| 第二章 语音信号处理和语音识别概述 | 第17-41页 |
| ·语音信号处理简介 | 第17-21页 |
| ·语音信号处理的发展状况 | 第18-19页 |
| ·语音的产生过程 | 第19-20页 |
| ·语音信号的特征 | 第20页 |
| ·语音信号产生模型 | 第20-21页 |
| ·语音识别基本概念 | 第21-25页 |
| ·语音识别概念的提出 | 第21-23页 |
| ·语音识别的分类 | 第23-24页 |
| ·语音识别的难点 | 第24-25页 |
| ·语音识别的整体层次模块 | 第25-26页 |
| ·语音识别框架 | 第26-27页 |
| ·语音信号预处理 | 第27-31页 |
| ·语音信号的采样和量化 | 第27-28页 |
| ·预加重 | 第28页 |
| ·语音信号的分帧和加窗 | 第28-29页 |
| ·端点检测 | 第29-31页 |
| ·语音信号特征参数提取分析 | 第31-39页 |
| ·语音信号线性预测系数分析 | 第31-35页 |
| ·倒谱分析 | 第35-36页 |
| ·线性预测倒谱系数LPCC | 第36-37页 |
| ·美尔频率倒谱系数MFCC | 第37-39页 |
| ·本章小结 | 第39-41页 |
| 第三章 语音识别模型匹配及训练技术 | 第41-52页 |
| ·动态时间规整识别技术 | 第41-43页 |
| ·隐马尔可夫模型(HMM) | 第43-49页 |
| ·HMM定义 | 第44-45页 |
| ·HMM的类型 | 第45页 |
| ·HMM的三个基本问题 | 第45-46页 |
| ·HMM问题的解决方案 | 第46-49页 |
| ·人工神经元网络(ANN) | 第49-50页 |
| ·语音识别的训练 | 第50-51页 |
| ·偶然训练 | 第50页 |
| ·鲁棒性训练 | 第50-51页 |
| ·聚类训练 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第四章 特征参数提取与实现 | 第52-67页 |
| ·实验环境 | 第52页 |
| ·语音信号的获取 | 第52-53页 |
| ·语音信号预处理 | 第53-59页 |
| ·预加重 | 第53-54页 |
| ·分帧 | 第54页 |
| ·短时能量 | 第54-56页 |
| ·过零率计算 | 第56-59页 |
| ·特征参数提取算法实现 | 第59-65页 |
| ·LPCC特征提取算法实现 | 第59-61页 |
| ·MFCC特征提取算法实现 | 第61-65页 |
| ·本章小结 | 第65-67页 |
| 第五章 语音识别模型匹配技术实现 | 第67-73页 |
| ·DTW算法实现 | 第67页 |
| ·程序运行流程 | 第67-68页 |
| ·运行结果 | 第68-70页 |
| ·算法改进 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 第六章 结论与展望 | 第73-75页 |
| ·论文总结 | 第73-74页 |
| ·展望 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 发表论文和科研情况说明 | 第78-79页 |
| 致谢 | 第79页 |
