| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 研究目的和意义 | 第12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 护理床翻身动作语音控制研究现状 | 第12-14页 |
| 1.2.2 语音识别研究现状 | 第14-15页 |
| 1.2.3 语音信号端点检测现状 | 第15-17页 |
| 1.2.4 语音信号特征降维现状 | 第17页 |
| 1.3 主要研究内容及特色 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第二章 语音信号预处理与特征提取 | 第19-30页 |
| 2.1 语音信号的预处理 | 第19-26页 |
| 2.1.1 语音信号预加重 | 第19-21页 |
| 2.1.2 语音信号端点检测 | 第21-23页 |
| 2.1.3 聚类算法 | 第23-24页 |
| 2.1.4 基于模糊聚类算法的端点检测门限估计方法 | 第24-26页 |
| 2.2 语音信号特征参数提取方法 | 第26-28页 |
| 2.2.1 语音信号特征参数 | 第26-27页 |
| 2.2.2 梅尔频率倒谱系数(MFCC)特征参数提取方法 | 第27-28页 |
| 2.3 本章小结 | 第28-30页 |
| 第三章 语音识别算法的研究 | 第30-41页 |
| 3.1 语音识别简述 | 第30-31页 |
| 3.2 动态时间规整(DTW)语音识别算法 | 第31-33页 |
| 3.3 隐马尔科夫模型(HMM)语音识别算法 | 第33-39页 |
| 3.3.1 HMM简介 | 第33-35页 |
| 3.3.2 HMM输出概率的计算 | 第35-36页 |
| 3.3.3 HMM的参数训练算法 | 第36-38页 |
| 3.3.4 HMM识别算法 | 第38-39页 |
| 3.4 DTW算法与HMM算法的比较 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于主成分分析的语音信号特征降维算法研究 | 第41-48页 |
| 4.1 主成分分析(PCA)简介 | 第41-42页 |
| 4.2 主成分计算 | 第42-46页 |
| 4.2.1 第一主成分计算 | 第43-44页 |
| 4.2.2 第k个主成分计算 | 第44页 |
| 4.2.3 样本的主成分与主成分选取 | 第44-46页 |
| 4.2.4 主成分分析的性质 | 第46页 |
| 4.3 语音信号特征的降维 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 护理床翻身动作语音控制系统的设计与实现 | 第48-58页 |
| 5.1 系统总体结构组成 | 第48-49页 |
| 5.2 系统的硬件实现平台 | 第49页 |
| 5.3 系统软件设计 | 第49-55页 |
| 5.3.1 系统的软件开发环境 | 第50页 |
| 5.3.2 系统的控制界面设计 | 第50-55页 |
| 5.4 语音识别程序设计 | 第55-57页 |
| 5.5 本章小结 | 第57-58页 |
| 第六章 实验结果分析 | 第58-66页 |
| 6.1 语音信号端点检测实验 | 第58-60页 |
| 6.2 基于PCA降维的HMM语音识别实验 | 第60-62页 |
| 6.3 护理床翻身动作控制系统调试实验 | 第62-65页 |
| 6.4 本章小结 | 第65-66页 |
| 结论及展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 攻读学位期间发表论文 | 第74-76页 |
| 致谢 | 第76页 |