| 第一章 绪论 | 第1-15页 |
| ·课题来源及研究意义 | 第10页 |
| ·语音识别技术的研究与应用 | 第10-12页 |
| ·语音识别搜索算法的研究与应用 | 第12-13页 |
| ·本文主要工作及创新 | 第13-14页 |
| ·论文内容安排 | 第14-15页 |
| 第二章 基HMM的连续语音识别系统框架 | 第15-34页 |
| ·引言 | 第15页 |
| ·系统结构 | 第15-17页 |
| ·前端参数化 | 第17-19页 |
| ·声学建模 | 第19-27页 |
| ·音子模型与HMM基本概念 | 第19-21页 |
| ·HMM观测概率 | 第21-22页 |
| ·HMM训练算法 | 第22-24页 |
| ·上下文相关的音子模型 | 第24-27页 |
| ·语言建模 | 第27-28页 |
| ·解码 | 第28-30页 |
| ·说话人自适应 | 第30页 |
| ·Ask The Way连续语音识别系统 | 第30-33页 |
| ·HTK简介 | 第31页 |
| ·系统构建 | 第31-32页 |
| ·实验结果与评价 | 第32-33页 |
| ·小结 | 第33-34页 |
| 第三章 Viterbi beam搜索算法 | 第34-47页 |
| ·引言 | 第34-35页 |
| ·Viterbi全搜索算法原理 | 第35-37页 |
| ·Viterbi beam搜索算法原理 | 第37-38页 |
| ·Viterbi beam搜索算法的实现 | 第38-41页 |
| ·实验与分析 | 第41-45页 |
| ·小结 | 第45-47页 |
| 第四章 Viterbi beam搜索算法的改进 | 第47-56页 |
| ·引言 | 第47页 |
| ·基于活动模型数变化的自适应Viterbi beam搜索算法 | 第47-51页 |
| ·算法原理 | 第48-50页 |
| ·实验结果与分析 | 第50-51页 |
| ·连续高斯混合概率密度的快速估算方法 | 第51-55页 |
| ·算法原理 | 第52-54页 |
| ·实验结果与分析 | 第54-55页 |
| ·小结 | 第55-56页 |
| 第五章 结论 | 第56-58页 |
| ·本文的研究成果及创新 | 第56-57页 |
| ·进一步的工作 | 第57-58页 |
| 附录 | 第58-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68页 |