| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题背景及意义 | 第8页 |
| 1.2 语音识别发展历史与研究现状 | 第8-9页 |
| 1.2.1 国外研究历史及现状 | 第8-9页 |
| 1.2.2 国内研究历史及现状 | 第9页 |
| 1.3 机器人语音识别技术难点 | 第9-10页 |
| 1.4 文章主要研究内容 | 第10-11页 |
| 1.5 文章结构安排 | 第11-12页 |
| 第二章 语音识别理论基础 | 第12-22页 |
| 2.1 语音识别基本原理 | 第12页 |
| 2.2 语音识别的分类 | 第12-13页 |
| 2.3 语音识别的预处理 | 第13-16页 |
| 2.3.1 语音信号数字化 | 第13页 |
| 2.3.2 预加重 | 第13-14页 |
| 2.3.3 分帧加窗 | 第14页 |
| 2.3.4 端点检测 | 第14-16页 |
| 2.4 语音识别的特征提取 | 第16-19页 |
| 2.4.1 线性预测系数（LPC）以及线性预测倒谱系数（LPCC） | 第16-17页 |
| 2.4.2 Mel 频率倒谱系数（MFCC） | 第17-19页 |
| 2.4.3 LPCC 参数与MFCC 参数的比较 | 第19页 |
| 2.5 语音训练与识别方法 | 第19-21页 |
| 2.5.1 动态时间规整（DTW） | 第19-20页 |
| 2.5.2 隐马尔可夫链模型（HMM） | 第20页 |
| 2.5.3 人工神经网络 | 第20-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 基于隐马尔可夫链模型（HMM）的语音识别的基本理论 | 第22-33页 |
| 3.1 隐马尔可夫链模型(Hidden Markov Model，HMM)的定义 | 第22-24页 |
| 3.2 HMM 的分类 | 第24-25页 |
| 3.3 HMM 的三个基本问题及其解法 | 第25-31页 |
| 3.3.1 HMM 的三个基本问题 | 第25-26页 |
| 3.3.2 HMM 基本算法 | 第26-31页 |
| 3.4 基于HMM 模型的孤立词语音识别原理 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 机器人语音识别系统的设计 | 第33-42页 |
| 4.1 系统架构 | 第33-34页 |
| 4.1.1 硬件结构 | 第33-34页 |
| 4.1.2 软件结构 | 第34页 |
| 4.2 GUI 模块的设计 | 第34-35页 |
| 4.3 语音识别模块设计 | 第35-40页 |
| 4.3.1 语音信号前端处理 | 第36-37页 |
| 4.3.2 声学模型训练 | 第37-40页 |
| 4.3.3 Julius 语音识别 | 第40页 |
| 4.4 模块间通讯 | 第40-41页 |
| 4.5 本章小结 | 第41-42页 |
| 第五章 机器人语音识别系统的实现 | 第42-51页 |
| 5.1 GUI 模块的实现 | 第42-43页 |
| 5.2 语音识别模块的实现 | 第43-49页 |
| 5.2.1 语音信号前端处理 | 第43-45页 |
| 5.2.2 基于HTK 的声学模型训练 | 第45-47页 |
| 5.2.3 基于Julius 的语音识别 | 第47-49页 |
| 5.3 实验测试 | 第49-50页 |
| 5.4 本章小结 | 第50-51页 |
| 第六章 总结与展望 | 第51-53页 |
| 6.1 总结 | 第51页 |
| 6.2 展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56-57页 |
| 附录A 攻读硕士期间发表的文章和参加的主要科研项目 | 第57-58页 |
| 大摘要 | 第58-61页 |
