| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 符号说明 | 第9-10页 |
| 第一章 绪论 | 第10-27页 |
| ·语音识别研究的重要意义 | 第10-12页 |
| ·选题的背景 | 第12-19页 |
| ·国外语音识别研究的发展概况 | 第12-16页 |
| ·汉语语音识别研究的发展概况 | 第16-17页 |
| ·连续语音识别研究中遇到的挫折 | 第17-19页 |
| ·连续语音识别的难点 | 第19-21页 |
| ·连续语音的多变性和复杂性 | 第19-20页 |
| ·高噪声环境下语音模型的不稳定性 | 第20页 |
| ·连续语音识别技术的难点 | 第20-21页 |
| ·连续语音识别问题的解决方法 | 第21-24页 |
| ·传统的算法 | 第22-23页 |
| ·本文采用的方法 | 第23-24页 |
| ·本文所研究的内容 | 第24-26页 |
| ·课题的创新点 | 第26-27页 |
| 第二章 语音的识别与处理方法概述 | 第27-49页 |
| ·语音识别的分类 | 第27-29页 |
| ·语音识别的基本步骤 | 第29-30页 |
| ·语音的短时特性和窗函数 | 第30-35页 |
| ·短时特性 | 第30-31页 |
| ·窗函数 | 第31-35页 |
| ·语音的特征提取 | 第35-42页 |
| ·时域特征参数 | 第35-37页 |
| ·频域特征参数 | 第37-39页 |
| ·倒谱域特征参数 | 第39-42页 |
| ·语音识别算法简介 | 第42-49页 |
| ·动态时间弯折(DTW) | 第42-43页 |
| ·隐马尔可夫模型(HMM) | 第43-47页 |
| ·矢量量化(VQ) | 第47-48页 |
| ·人工神经网络(ANN) | 第48-49页 |
| 第三章 高维空间几何分析方法 | 第49-73页 |
| ·高维空间的基本概念 | 第49-59页 |
| ·高维空间及空间中的点 | 第49-50页 |
| ·高维空间中的基本图形 | 第50-53页 |
| ·图形在空间中的变换关系 | 第53-57页 |
| ·高维空间中的测度 | 第57-59页 |
| ·点覆盖 | 第59-64页 |
| ·覆盖 | 第59-60页 |
| ·覆盖比 | 第60-62页 |
| ·局部顶点覆盖 | 第62-63页 |
| ·覆盖积 | 第63-64页 |
| ·主元分析法及其高维空间几何意义 | 第64-66页 |
| ·主元分析法简介 | 第64-66页 |
| ·主元分析法的高维空间几何意义 | 第66页 |
| ·语音在高维空间中的形态分析 | 第66-73页 |
| ·语音点在高维空间中的分布概况 | 第67-70页 |
| ·不同类语音覆盖区的覆盖方法 | 第70-71页 |
| ·采用点覆盖方法的优点 | 第71-73页 |
| 第四章 基于高维空间覆盖动态搜索方法的非特定人连续数字语音识别 | 第73-89页 |
| ·连续语音的特点 | 第74页 |
| ·连续数字语音识别的特征提取方法和高维空间分类覆盖区的神经网络构筑 | 第74-78页 |
| ·构筑神经网络所用样本库的建立 | 第74-75页 |
| ·构筑神经网络所用样本的特征提取方法 | 第75-77页 |
| ·构造特征空间识别覆盖区 | 第77-78页 |
| ·基于高维空间点覆盖动态搜索理论的非特定人连续数字语音识别的新算法及其实现 | 第78-82页 |
| ·被识别的连续语音样本库的建立 | 第78页 |
| ·被识别的连续语音样本的特征提取方法 | 第78页 |
| ·高维空间点覆盖动态搜索识别方法 | 第78-82页 |
| ·实验结果与讨论 | 第82-89页 |
| ·本实验的统计结果与讨论 | 第82-83页 |
| ·与HMM模型的比较结果及讨论 | 第83-89页 |
| 第五章 总结与展望 | 第89-92页 |
| ·主要工作与体会 | 第89-91页 |
| ·主要的工作 | 第89-90页 |
| ·研究体会 | 第90-91页 |
| ·展望 | 第91-92页 |
| 参考文献 | 第92-100页 |
| 致谢 | 第100-101页 |
| 攻读学位期间发表的学术论文目录 | 第101页 |
