| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-23页 |
| §1-1 选题意义 | 第10-11页 |
| §1-2 语音增强技术研究现状 | 第11-17页 |
| 1-2-1 语音和噪声的特性 | 第11-12页 |
| 1-2-2 语音增强方法 | 第12-17页 |
| §1-3 语音识别技术研究现状 | 第17-21页 |
| §1-4 本文的主要研究工作 | 第21-23页 |
| 第二章 基于数学形态学的语音增强 | 第23-38页 |
| §2-1 二值形态学基本变换 | 第23-26页 |
| 2-1-1 二值膨胀、腐蚀定义 | 第23-24页 |
| 2-1-2 二值开闭运算定义 | 第24页 |
| 2-1-3 二值形态变换性质 | 第24-26页 |
| §2-2 灰度形态学 | 第26-27页 |
| 2-2-1 灰度形态运算定义 | 第26页 |
| 2-2-2 灰度形态变换性质 | 第26-27页 |
| §2-3 形态滤波器 | 第27-29页 |
| §2-4 形态-小波滤波器 | 第29-32页 |
| 2-4-1 小波滤波器 | 第29-32页 |
| 2-4-2 形态-小波滤波器 | 第32页 |
| §2-5 实验结果及分析 | 第32-37页 |
| 2-5-1 形态滤波结果及分析 | 第32-34页 |
| 2-5-2 形态-小波滤波结果及分析 | 第34-36页 |
| 2-5-3 形态滤波器和形态-小波滤波结果比较 | 第36-37页 |
| §2-6 本章小结 | 第37-38页 |
| 第三章 基于数学形态学的特征参数提取 | 第38-52页 |
| §3-1 线性预测系数 LPC | 第38-41页 |
| §3-2 线性预测倒谱系数 LPCC | 第41页 |
| §3-3 Mel 频率倒谱系数 MFCC | 第41-43页 |
| §3-4 基音周期改进算法 | 第43-46页 |
| §3-5 实验结果及分析 | 第46-50页 |
| 3-5-1 系数特征的提取结果及分析 | 第46-48页 |
| 3-5-2 基音周期的提取结果及分析 | 第48-50页 |
| §3-6 本章小结 | 第50-52页 |
| 第四章 基于预失真参数的 HMM 语音识别 | 第52-66页 |
| §4-1 HMM 理论 | 第52-60页 |
| 4-1-1 HMM 的三个基本问题 | 第54页 |
| 4-1-2 前向-后向算法 | 第54-56页 |
| 4-1-3 Viterbi 算法 | 第56-57页 |
| 4-1-4 HMM 参数训练――Baum-Welch 算法 | 第57-58页 |
| 4-1-5 下溢问题 | 第58-59页 |
| 4-1-6 HMM 多观察序列的训练算法 | 第59-60页 |
| §4-2 基于 HMM 的语音识别 | 第60-64页 |
| 4-2-1 语音信号预处理 | 第60-63页 |
| 4-2-2 语音识别过程 | 第63-64页 |
| §4-3 实验结果及分析 | 第64-65页 |
| §4-4 本章小结 | 第65-66页 |
| 第五章 基于预失真参数的改进 RBF 神经网络语音识别 | 第66-84页 |
| §5-1 人工神经网络概述 | 第66-68页 |
| §5-2 径向基神经网络的基本原理 | 第68-70页 |
| 5-2-1 径向基函数网络模型 | 第68-69页 |
| 5-2-2 径向基函数神经元模型 | 第69-70页 |
| §5-3 RBF 神经网络的学习方法 | 第70-71页 |
| §5-4 改进的 RBF 神经网络 | 第71-77页 |
| 5-4-1改进的RBF神经网络设计流程 | 第71-72页 |
| 5-4-2 隐层参数的求取 | 第72-73页 |
| 5-4-3 权值的共轭梯度优化算法 | 第73-75页 |
| 5-4-4 网络结构的优化 | 第75-76页 |
| 5-4-5 利用不同信息准则对节点删除结果 | 第76-77页 |
| §5-5 基于改进 RBF 神经网络的语音识别 | 第77-82页 |
| 5-5-1 基于改进 RBF 神经网络的语音识别总体流程 | 第77页 |
| 5-5-2 语音信号预处理及参数提取 | 第77-78页 |
| 5-5-3 基于该改进 RBF 神经网络识别结果及分析 | 第78-79页 |
| 5-5-4 改进的RBF神经网络与其它方法的结果比较 | 第79-82页 |
| §5-6 基于形态学预失真的带噪语音识别 | 第82-83页 |
| §5-7 本章小结 | 第83-84页 |
| 第六章 结论 | 第84-86页 |
| 一、全文总结 | 第84-85页 |
| 二、本文主要创新点 | 第85-86页 |
| 参考文献 | 第86-94页 |
| 致谢 | 第94-95页 |
| 攻读博士学位期间所取得的相关科研成果 | 第95页 |
