摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第8-12页 |
1.1 课题研究的重要目的及意义 | 第8页 |
1.2 语音识别技术的发展及现状 | 第8-10页 |
1.2.1 国外发展趋势 | 第8-9页 |
1.2.2 国内发展趋势 | 第9-10页 |
1.3 语音识别系统中仍存在的难点 | 第10页 |
1.4 论文主要内容安排 | 第10-12页 |
第二章 语音识别基本理论 | 第12-20页 |
2.1 语音信号的产生及感知 | 第12-16页 |
2.1.1 语音信号的产生 | 第12-13页 |
2.1.2 激励模型 | 第13页 |
2.1.3 声道模型 | 第13-16页 |
2.2 汽车噪声分类 | 第16-17页 |
2.3 语音识别系统基本构成 | 第17-19页 |
2.3.1 语音识别流程 | 第17页 |
2.3.2 几种现有的语音识别方法 | 第17-19页 |
2.4 本章小结 | 第19-20页 |
第三章 语音识别技术 | 第20-26页 |
3.1 语音采集 | 第20页 |
3.2 预处理技术 | 第20-23页 |
3.2.1 预加重 | 第20-21页 |
3.2.2 分帧和加窗 | 第21-23页 |
3.3 降噪 | 第23-24页 |
3.3.1 谱减法减噪 | 第23页 |
3.3.2 维纳(Wiener)滤波减噪 | 第23-24页 |
3.3.3 小波包降噪 | 第24页 |
3.4 特征提取 | 第24-25页 |
3.5 隐马尔可夫模型 | 第25页 |
3.6 本章小结 | 第25-26页 |
第四章 基于模糊控制的小波包多阈值语音减噪新算法 | 第26-43页 |
4.1 传统降噪技术 | 第26-29页 |
4.1.1 谱减法减噪 | 第26-28页 |
4.1.2 维纳滤波减噪 | 第28-29页 |
4.2 小波包阈值降噪 | 第29-33页 |
4.2.1 小波包变换基本原理 | 第29-30页 |
4.2.2 小波基、分解层次的选择 | 第30-31页 |
4.2.3 小波包阈值及阈值函数 | 第31-33页 |
4.2.4 小波包阈值减噪过程 | 第33页 |
4.3 基于模糊控制的小波包多阈值语音减噪新算法 | 第33-41页 |
4.3.1 小波包高低频段的划分 | 第34页 |
4.3.2 改进的阈值与新阈值函数 | 第34-35页 |
4.3.3 模糊控制器降噪过程 | 第35-37页 |
4.3.4 算法详细步骤 | 第37页 |
4.3.5 实验与分析 | 第37-41页 |
4.4 本章小结 | 第41-43页 |
第五章 基于小波包邻域能量分段加权平均的MFCC特征提取 | 第43-51页 |
5.1 特征参数 | 第43-44页 |
5.1.1 基因周期(Pitch) | 第43页 |
5.1.2 共振峰 | 第43-44页 |
5.2 特征提取技术 | 第44-47页 |
5.2.1 线性预测倒谱系数(LPCC) | 第44-45页 |
5.2.2 梅尔频率倒谱系数(MFCC) | 第45-47页 |
5.3 基于小波包邻域能量分段加权平均的MFCC特征提取 | 第47-50页 |
5.3.1 改进的特征提取内容概述 | 第47-49页 |
5.3.2 实验过程及结果分析 | 第49-50页 |
5.4 本章小结 | 第50-51页 |
第六章 隐马尔可夫(HMM)模型 | 第51-58页 |
6.1 隐马尔可夫模型(HMM) | 第51-55页 |
6.1.1 HMM基本要义 | 第51-52页 |
6.1.2 HMM解决语音问题的算法 | 第52-55页 |
6.2 HMM模型识别实现 | 第55-57页 |
6.3 本章小结 | 第57-58页 |
第七章 车载环境下的HMM模型语音识别系统实验与结果分析 | 第58-67页 |
7.1 基本准备 | 第58页 |
7.2 语音识别系统的实现 | 第58-62页 |
7.2.1 预处理 | 第59页 |
7.2.2 语音减噪 | 第59-60页 |
7.2.3 特征提取 | 第60-61页 |
7.2.4 HMM模型训练和识别 | 第61-62页 |
7.3 实验流程及结果分析 | 第62-66页 |
7.3.1 实验流程 | 第62-64页 |
7.3.2 实验结果分析 | 第64-66页 |
7.4 本章小结 | 第66-67页 |
第八章 总结与展望 | 第67-69页 |
致谢 | 第69-70页 |
攻读硕士学位期间主要的研究成果 | 第70-71页 |
参考文献 | 第71-74页 |
附录一 插图清单 | 第74-76页 |
附录二 表清单 | 第76页 |