| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 概述 | 第8-10页 |
| 1.2 现有研究成果简介 | 第10-12页 |
| 1.3 论文组织结构 | 第12-13页 |
| 第二章 语音生成模型 | 第13-18页 |
| 2.1 生理学模型 | 第13-15页 |
| 2.2 数学模型 | 第15-18页 |
| 2.2.1 激励模型 | 第16-17页 |
| 2.2.2 声道模型 | 第17页 |
| 2.2.3 辐射模型 | 第17-18页 |
| 第三章 Silent Speech Interface基本原理 | 第18-27页 |
| 3.1 Silent Speech Interface概 述 | 第18-23页 |
| 3.2 基于超声的Silent Speech Interface | 第23-27页 |
| 3.2.1 超声采集原理 | 第23-24页 |
| 3.2.2 动机和优势 | 第24-25页 |
| 3.2.3 特征处理与建模 | 第25-27页 |
| 第四章 方法实现 | 第27-47页 |
| 4.1 方法框架 | 第27-28页 |
| 4.1.1 训练框架 | 第27-28页 |
| 4.1.2 合成框架 | 第28页 |
| 4.2 超声多模态语料库录制 | 第28-34页 |
| 4.2.1 语料的选取 | 第29-31页 |
| 4.2.2 硬件框架以及数据格式 | 第31-33页 |
| 4.2.3 数据同步 | 第33-34页 |
| 4.2.4 语料库总结 | 第34页 |
| 4.3 特征提取 | 第34-38页 |
| 4.3.1 语音信号特征提取 | 第34-36页 |
| 4.3.2 超声图像特征提取 | 第36-38页 |
| 4.3.3 超声图像重建 | 第38页 |
| 4.4 k-means映 射模型 | 第38-40页 |
| 4.4.1 k-means算 法 | 第38-39页 |
| 4.4.2 基于k-means映 射模型的训练 | 第39-40页 |
| 4.4.3 基于k-means映 射模型的合成 | 第40页 |
| 4.5 Gaussian Mixture Model映 射模型 | 第40-47页 |
| 4.5.1 Expectation–maximization算 法 | 第40-43页 |
| 4.5.2 Gaussian Mixture Model算 法 | 第43-44页 |
| 4.5.3 GMM映 射模型的训练 | 第44-45页 |
| 4.5.4 GMM映 射模型的合成 | 第45-47页 |
| 第五章 实验与讨论 | 第47-55页 |
| 5.1 PCA重 构实验 | 第47-48页 |
| 5.2 合成实验 | 第48-54页 |
| 5.2.1 使用k-means映 射模型 | 第48-51页 |
| 5.2.2 使用GMM映 射模型 | 第51-54页 |
| 5.3 实验总结 | 第54-55页 |
| 第六章 总结与展望 | 第55-56页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-63页 |
| 发表论文和参加科研情况说明 | 第63-64页 |
| 致谢 | 第64-65页 |
