| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第一章 绪论 | 第11-14页 |
| 1.1 课题研究的背景和意义 | 第11页 |
| 1.2 国内外发展现状 | 第11-12页 |
| 1.3 本文主要研究工作 | 第12-14页 |
| 第二章 语音信号处理基础 | 第14-25页 |
| 2.1 语音的波形及特性 | 第14页 |
| 2.2 语音的产生 | 第14-15页 |
| 2.2.1 发声器官 | 第14-15页 |
| 2.2.2 清音、浊音和爆破音 | 第15页 |
| 2.2.3 基音频率 | 第15页 |
| 2.2.4 共振峰 | 第15页 |
| 2.3 语音信号的简化数字模型 | 第15-17页 |
| 2.4 语音信号的时域分析 | 第17-20页 |
| 2.4.1 语音短时分析技术 | 第17-18页 |
| 2.4.2 短时能量和平均幅度 | 第18页 |
| 2.4.3 短时平均过零率 | 第18-19页 |
| 2.4.4 短时自相关函数 | 第19-20页 |
| 2.5 语音信号的频域分析 | 第20-22页 |
| 2.5.1 短时傅立叶变换的定义和物理意义 | 第20-21页 |
| 2.5.2 基于短时傅立叶变换的语谱图及其时频分辨率 | 第21-22页 |
| 2.5.3 倒谱同态处理 | 第22页 |
| 2.6 非特定人小词汇量孤立词语音识别方法概述 | 第22-25页 |
| 2.6.1 语音识别系统构成 | 第22-23页 |
| 2.6.2 孤立词语音识别系统的原理 | 第23-25页 |
| 第三章 语音预处理和特征提取 | 第25-33页 |
| 3.1 语音信号预处理 | 第25-26页 |
| 3.2 端点检测 | 第26-28页 |
| 3.2.1 短时能量法 | 第27页 |
| 3.2.2 短时过零率法 | 第27-28页 |
| 3.2.3 能量积法 | 第28页 |
| 3.3 特征参数提取 | 第28-33页 |
| 3.3.1 线性预测系数 | 第28-30页 |
| 3.3.2 倒谱系数 | 第30-31页 |
| 3.3.3 Mel特征参数 | 第31-33页 |
| 第四章 HMM在语音识别中的应用 | 第33-53页 |
| 4.1 HMM的特点 | 第33页 |
| 4.2 HMM基本原理 | 第33-40页 |
| 4.2.1 马尔可夫链 | 第34页 |
| 4.2.2 隐马尔可夫模型 | 第34-35页 |
| 4.2.3 隐马尔可夫模型的基本问题 | 第35-38页 |
| 4.2.4 连续HMM和半连续HMM | 第38-40页 |
| 4.3 HMM模型的计算优化 | 第40-46页 |
| 4.3.1 多观察值序列训练 | 第40-41页 |
| 4.3.2 HMM溢出问题 | 第41-42页 |
| 4.3.3 一种新的HMM溢出问题解决方法 | 第42-43页 |
| 4.3.4 初始模型的选取 | 第43-44页 |
| 4.3.5 HMM训练 | 第44-46页 |
| 4.4 语音识别部分的实现 | 第46-53页 |
| 4.4.1 语音识别部分的总体框图 | 第46-47页 |
| 4.4.2 语音信号预处理 | 第47-48页 |
| 4.4.3 端点检测及其改进 | 第48-51页 |
| 4.4.4 特征参数提取 | 第51页 |
| 4.4.5 时间复杂度的分析和优化 | 第51-52页 |
| 4.4.6 识别实验分析 | 第52-53页 |
| 第五章 系统实现与结果分析 | 第53-59页 |
| 5.1 语音数据的采集与数据库的建立 | 第53-56页 |
| 5.1.1 实验硬件设备 | 第53页 |
| 5.1.2 语音数据库的建立 | 第53-56页 |
| 5.2 实验结果与分析 | 第56-58页 |
| 5.2.1 实验结果 | 第56-57页 |
| 5.2.2 结果分析 | 第57-58页 |
| 5.3 存在的问题 | 第58-59页 |
| 结论 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 作者简介 | 第64页 |