| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 语音识别技术的应用 | 第12-13页 |
| 1.3 语音识别方法的研究和发展 | 第13-14页 |
| 1.4 独立分量分析的国内外研究概况 | 第14-15页 |
| 1.5 研究内容和安排 | 第15-17页 |
| 第二章 语音信号的前端处理和端点检测 | 第17-38页 |
| 2.1 语音信号的前端处理 | 第17-21页 |
| 2.1.1 语音信号数字化 | 第17-18页 |
| 2.1.2 语音信号的预加重 | 第18-19页 |
| 2.1.3 语音信号的加窗分帧 | 第19-21页 |
| 2.2 语音信号端点检测 | 第21-37页 |
| 2.2.1 基于滑动窗技术的动态高阶累积量估计方法 | 第22-28页 |
| 2.2.1.1 传统高阶累积量估计算法 | 第22-24页 |
| 2.2.1.2 基于滑动窗技术的高阶累积量递推计算 | 第24-26页 |
| 2.2.1.3 递推计算与直接计算计算复杂度分析 | 第26-27页 |
| 2.2.1.4 滑动窗峭度估计仿真实验 | 第27-28页 |
| 2.2.2 基于动态高阶累积量的语音端点检测算法 | 第28-31页 |
| 2.2.3 端点检测仿真实验和结果分析 | 第31-37页 |
| 2.2.3.1 纯净语音端点检测 | 第32-33页 |
| 2.2.3.2 噪声环境下的语音端点检测 | 第33-37页 |
| 2.3 本章小结 | 第37-38页 |
| 第三章 独立分量分析算法研究 | 第38-61页 |
| 3.1 独立分量分析概述 | 第38-44页 |
| 3.1.1 独立分量分析模型 | 第38-39页 |
| 3.1.2 混合模型 | 第39-42页 |
| 3.1.2.1 瞬时混合模型 | 第39-40页 |
| 3.1.2.2 卷积混合模型 | 第40-42页 |
| 3.1.3 独立性度量依据 | 第42-43页 |
| 3.1.3.1 基于非线性不相关原理的独立性度量依据 | 第42-43页 |
| 3.1.3.2 基于非高斯性极大准则的独立性度量依据 | 第43页 |
| 3.1.4 优化算法 | 第43-44页 |
| 3.2 频域独立分量分析算法 | 第44-54页 |
| 3.2.1 算法思路 | 第44-45页 |
| 3.2.2 复域瞬时独立分量分析算法 | 第45-51页 |
| 3.2.2.1 联合近似对角化算法(JADE算法) | 第45-47页 |
| 3.2.2.2 基于峭度极大的复域ICA算法 | 第47-48页 |
| 3.2.2.3 复域Infomax算法 | 第48-51页 |
| 3.2.3 频域ICA的模糊性研究 | 第51-54页 |
| 3.2.3.1 幅度补偿 | 第51-52页 |
| 3.2.3.2 排序不确定性补偿 | 第52-54页 |
| 3.3 实验和结果分析 | 第54-60页 |
| 3.3.1 基于包络系数的排序实验 | 第54-55页 |
| 3.3.2 复域独立分量提取实验 | 第55-60页 |
| 3.3.2.1 仿真混合信号盲分离 | 第55-58页 |
| 3.3.2.2 实测语音信号盲分离 | 第58-60页 |
| 3.4 本章小结 | 第60-61页 |
| 第四章 基于独立分量分析的语音特征提取 | 第61-71页 |
| 4.1 常用语音特征参数 | 第61-66页 |
| 4.1.1 短时能量 | 第61-62页 |
| 4.1.2 线性预测倒谱系数(LPCC) | 第62-65页 |
| 4.1.3 梅尔倒谱系数(MFCC) | 第65-66页 |
| 4.2 基于独立分量分析的语音特征提取 | 第66-70页 |
| 4.2.1 算法描述 | 第66-67页 |
| 4.2.2 算法实现 | 第67-70页 |
| 4.2.2.1 短时傅里叶变换 | 第67-68页 |
| 4.2.2.2 短时傅里叶逆变换(ISTFT) | 第68-69页 |
| 4.2.2.3 基于独立分量分析的语音特征提取 | 第69-70页 |
| 4.3 本章小结 | 第70-71页 |
| 第五章 基于ICA分离技术的语音识别系统 | 第71-92页 |
| 5.1 常用语音识别技术介绍 | 第71-79页 |
| 5.1.1 基于DTW的语音识别技术 | 第71-73页 |
| 5.1.1.1 动态时间规整原理 | 第71-72页 |
| 5.1.1.2 基于DTW的语音识别 | 第72-73页 |
| 5.1.2 基于HMM模型的语音识别技术 | 第73-79页 |
| 5.1.2.1 HMM的基本参数描述 | 第73-74页 |
| 5.1.2.2 HMM的基本算法 | 第74-77页 |
| 5.1.2.3 HMM的相关问题 | 第77-78页 |
| 5.1.2.3.1 HMM的下溢问题 | 第77-78页 |
| 5.1.2.3.2 HMM的初始参数的选取 | 第78页 |
| 5.1.2.4 基于HMM的语音识别 | 第78-79页 |
| 5.2 基于独立分量分析的语音识别系统 | 第79-85页 |
| 5.2.1 系统组成 | 第79页 |
| 5.2.2 仿真实验平台搭建 | 第79-85页 |
| 5.2.2.1 仿真混合模块 | 第80-82页 |
| 5.2.2.2 ICA分离模块 | 第82-83页 |
| 5.2.2.3 端点检测模块 | 第83-85页 |
| 5.2.2.4 语音识别模块 | 第85页 |
| 5.3 实验结果及分析 | 第85-91页 |
| 5.3.1 实验数据采集 | 第85-88页 |
| 5.3.2 基于ICA的语音识别实验 | 第88-89页 |
| 5.3.2.1 仿真条件下的语音识别实验 | 第88-89页 |
| 5.3.2.2 真实环境下的语音识别实验 | 第89页 |
| 5.3.3 实验结果分析 | 第89-91页 |
| 5.4 本章小结 | 第91-92页 |
| 第六章 总结和展望 | 第92-94页 |
| 6.1 总结 | 第92-93页 |
| 6.2 展望 | 第93-94页 |
| 参考文献 | 第94-101页 |
| 致谢 | 第101-102页 |
| 攻读硕士学位期间发表的论文 | 第102页 |
