| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 本课题研究背景和意义 | 第8页 |
| 1.2 语音识别技术的国内外发展现状 | 第8-10页 |
| 1.3 语音识别系统的分类及性能指标 | 第10页 |
| 1.4 论文的主要内容及章节安排 | 第10-11页 |
| 1.5 资助本课题的专项研究基金 | 第11-12页 |
| 第二章 语音识别的基本理论 | 第12-23页 |
| 2.1 语音信号的产生模型 | 第13-15页 |
| 2.1.1 激励模型 | 第13-14页 |
| 2.1.2 声道模型 | 第14页 |
| 2.1.3 辐射模型 | 第14-15页 |
| 2.2 语音信号的预处理 | 第15-16页 |
| 2.3 语音信号的加窗处理 | 第16-18页 |
| 2.4 端点检测 | 第18-20页 |
| 2.4.1 短时平均幅度 | 第18-19页 |
| 2.4.2 短时平均过零率 | 第19-20页 |
| 2.5 特征提取 | 第20-22页 |
| 2.5.1 线性预测系数(LPC) | 第20-21页 |
| 2.5.2 线性预测倒谱系数(LPCC) | 第21页 |
| 2.5.3 Mel频率倒谱系数(MFCC) | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第三章 基本DTW的语音识别技术 | 第23-29页 |
| 3.1 DTW算法的基本原理 | 第23-24页 |
| 3.2 模板训练算法 | 第24-26页 |
| 3.2.1 偶然模板训练法 | 第24-25页 |
| 3.2.2 顽健模板训练方法 | 第25页 |
| 3.2.3 非特定人识别的模板训练算法——聚类方法 | 第25-26页 |
| 3.3 基于DTW算法的孤立词语音识别实验 | 第26-28页 |
| 3.4 本章小结 | 第28-29页 |
| 第四章 基于HMM算法的语音识别技术 | 第29-42页 |
| 4.1 HMM基本思想 | 第29-31页 |
| 4.1.1 马尔可夫链 | 第29-30页 |
| 4.1.2 HMM的基本思想 | 第30页 |
| 4.1.3 HMM定义 | 第30-31页 |
| 4.2 HMM基本算法 | 第31-34页 |
| 4.2.1 前向-后向算法 | 第31-33页 |
| 4.2.2 Viterbi算法 | 第33页 |
| 4.2.3 Baum-Welch算法 | 第33-34页 |
| 4.3 HMM算法实现中的问题 | 第34-40页 |
| 4.3.1 初始模型选取 | 第34-35页 |
| 4.3.2 多个观察值序列训练 | 第35-36页 |
| 4.3.3 数据下溢问题 | 第36-38页 |
| 4.3.4 马尔可夫链的形状以及HMM类型 | 第38-40页 |
| 4.4 语音识别实验 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 MT-ARM机器人语音控制实验及分析 | 第42-53页 |
| 5.1 移动机器人实验平台及环境 | 第42-43页 |
| 5.2 软件系统的设计及分析 | 第43-48页 |
| 5.2.1 语音识别软件设计 | 第44-47页 |
| 5.2.2 移动机器人控制软件设计 | 第47-48页 |
| 5.3 语音控制系统的设计及分析 | 第48-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 结束语 | 第53-54页 |
| 6.1 论文的主要工作 | 第53页 |
| 6.2 论文的创新点 | 第53页 |
| 6.3 进一步的研究工作 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 研究生期间发表的论文及专利申请情况 | 第57-58页 |
| 致谢 | 第58页 |