| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题背景和研究意义 | 第10-11页 |
| 1.2 课题国内外相关研究情况 | 第11-13页 |
| 1.3 论文的结构及创新点 | 第13-15页 |
| 1.3.1 本文的研究内容和创新点 | 第13-14页 |
| 1.3.2 论文的结构 | 第14-15页 |
| 第2章 语音识别和神经网络的原理介绍 | 第15-29页 |
| 2.1 语音识别的简介 | 第15页 |
| 2.2 语音识别技术的历史 | 第15-17页 |
| 2.3 语音识别的任务分类 | 第17-18页 |
| 2.3.1 根据识别的对象不同 | 第17页 |
| 2.3.2 根据针对的发音人分类 | 第17-18页 |
| 2.4 语音识别原理 | 第18-19页 |
| 2.5 人工神经网络 | 第19-23页 |
| 2.5.1 人工神经网络的简介 | 第19-20页 |
| 2.5.2 人工神经网络的发展历史和研究方向 | 第20-21页 |
| 2.5.3 人工神经网络模型的构成 | 第21-22页 |
| 2.5.4 神经网络模型的运行 | 第22-23页 |
| 2.6 BP神经网络 | 第23-28页 |
| 2.6.1 BP神经网络的介绍 | 第23页 |
| 2.6.2 BP神经网络的基本原理 | 第23-24页 |
| 2.6.3 BP神经网络的设计分析 | 第24-25页 |
| 2.6.4 BP神经网络的数学模型 | 第25-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第3章 基于混合MFCC特征参数和改进BP神经网络的语音识别算法 | 第29-43页 |
| 3.1 前端处理技术 | 第29-32页 |
| 3.1.1 预加重 | 第29-30页 |
| 3.1.2 加窗分帧 | 第30页 |
| 3.1.3 端点检测 | 第30-32页 |
| 3.2 特征提取技术 | 第32-36页 |
| 3.2.1 提取特征的流程 | 第32-33页 |
| 3.2.2 线性预测倒谱系数(LPCC) | 第33-34页 |
| 3.2.3 Mel频率倒谱参数(MFCC) | 第34-35页 |
| 3.2.4 改进的混合MFCC | 第35-36页 |
| 3.3 模式匹配及模型训练技术 | 第36-38页 |
| 3.4 BP神经网络在语音识别中的应用 | 第38-40页 |
| 3.5 BP神经网络的优点和不足 | 第40页 |
| 3.6 改进的BP神经网络算法 | 第40-42页 |
| 3.7 本章小结 | 第42-43页 |
| 第4章 基于改进算法的语音识别系统构建 | 第43-51页 |
| 4.1 语音样本的建立 | 第44-46页 |
| 4.1.1 语音样本的采集 | 第44页 |
| 4.1.2 语音信号的预处理 | 第44-46页 |
| 4.2 语音信号特征参数的提取 | 第46-49页 |
| 4.3 神经网络模型的建立 | 第49-50页 |
| 4.4 神经网络的训练和识别 | 第50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 仿真实验和性能分析 | 第51-56页 |
| 5.1 神经网络改进前后的性能比较 | 第51-52页 |
| 5.2 网络结构对性能的影响 | 第52-54页 |
| 5.3 不同参数的性能对比 | 第54页 |
| 5.4 训练样本个数对识别性能的影响 | 第54-55页 |
| 5.5 特定人和非特定人对识别性能的影响 | 第55页 |
| 5.6 本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| 6.1 总结 | 第56-57页 |
| 6.2 展望 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 附录 | 第64页 |