| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-14页 |
| ·前言 | 第9页 |
| ·语音生成与获取模型 | 第9-11页 |
| ·语音生成与获取模型的发展 | 第9-10页 |
| ·DIVA 模型的提出 | 第10-11页 |
| ·语音识别技术的发展和现状 | 第11-12页 |
| ·本文研究内容及论文结构 | 第12-14页 |
| ·本文研究内容 | 第12-13页 |
| ·论文结构 | 第13-14页 |
| 第二章 DIVA 语音生成与获取模型 | 第14-21页 |
| ·DIVA 模型的基本概念 | 第14页 |
| ·DIVA 模型的基本框架 | 第14-15页 |
| ·反馈控制子系统 | 第15-18页 |
| ·预测感官事件的前向模型 | 第15-16页 |
| ·听觉和体觉表示 | 第16-17页 |
| ·运动皮层的反馈控制信号 | 第17-18页 |
| ·前馈控制子系统 | 第18-19页 |
| ·运动皮层的前馈控制信号 | 第18页 |
| ·运动皮层的前馈和反馈控制信号的结合 | 第18-19页 |
| ·发音和听觉状态 | 第19页 |
| ·DIVA 模型的现状 | 第19-21页 |
| 第三章 语音预处理和特征提取 | 第21-28页 |
| ·语音信号采集 | 第21页 |
| ·语音预处理 | 第21-23页 |
| ·预加重 | 第21-22页 |
| ·加窗分帧 | 第22-23页 |
| ·端点检测（Endpoint Detection） | 第23-24页 |
| ·短时能量法 | 第23页 |
| ·短时平均过零率法 | 第23-24页 |
| ·特征提取 | 第24-28页 |
| ·线性预测分析（LPC） | 第24-25页 |
| ·线性预测倒谱系数（LPCC） | 第25-26页 |
| ·Mel 频率倒谱系数（MFCC） | 第26-28页 |
| 第四章 基于语音分类的神经模型 | 第28-38页 |
| ·语音识别的主要识别算法 | 第28-30页 |
| ·隐马尔可夫模型（HMM） | 第28-29页 |
| ·神经网络模型（ANN） | 第29-30页 |
| ·知觉磁效应现象 | 第30-31页 |
| ·基于声音分类学习的神经模型 | 第31-34页 |
| ·神经模型的基本思想 | 第31页 |
| ·网络模型的结构 | 第31-33页 |
| ·自组织特征映射学习算法 | 第33-34页 |
| ·仿真实验 | 第34-38页 |
| 第五章 DIVA 模型的改进 | 第38-47页 |
| ·DIVA 的语音识别系统 | 第38页 |
| ·语音识别系统的组成 | 第38-40页 |
| ·改进的SOM 神经网络识别模型 | 第40-42页 |
| ·网络拓扑结构 | 第40-41页 |
| ·改进的学习算法 | 第41-42页 |
| ·仿真实验 | 第42-47页 |
| 第六章 总结与展望 | 第47-49页 |
| ·总结 | 第47页 |
| ·展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读硕士期间的研究成果 | 第53页 |