摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第9-15页 |
1.1 课题研究的背景及意义 | 第9页 |
1.2 语音识别技术发展与现状 | 第9-11页 |
1.2.1 国外语音识别的发展状况 | 第9-11页 |
1.2.2 国内语音识别的发展状况 | 第11页 |
1.3 语音识别存在问题与困难 | 第11-13页 |
1.4 本文所做的工作和创新点 | 第13页 |
1.5 论文的组织结构 | 第13-15页 |
第二章 非特定人语音识别技术理论基础 | 第15-28页 |
2.1 语音识别的概述 | 第15-17页 |
2.1.1 语音识别的分类 | 第15页 |
2.1.2 语音信号的数字模型 | 第15-16页 |
2.1.3 语音识别的系统构成 | 第16-17页 |
2.2 语音信号的预处理 | 第17-23页 |
2.2.1 预滤波 | 第17-18页 |
2.2.2 语音信号的数字化 | 第18页 |
2.2.3 预加重 | 第18-19页 |
2.2.4 分帧加窗 | 第19-21页 |
2.2.5 端点检测 | 第21-23页 |
2.3 语音特征提取 | 第23-25页 |
2.3.1 语音的特征参数分类 | 第24页 |
2.3.2 特征参数选择标准 | 第24-25页 |
2.4 隐马尔科夫模型(HMM)技术 | 第25-27页 |
2.4.1 HMM的五个元素及三个问题 | 第25-26页 |
2.4.2 HMM的结构和初始参数的确定 | 第26-27页 |
2.5 本章小结 | 第27-28页 |
第三章 基于提升小波加权自相关函数的基音提取算法 | 第28-41页 |
3.1 引言 | 第28页 |
3.2 传统基音检测算法 | 第28-29页 |
3.2.1 短时自相关函数法 | 第28-29页 |
3.2.2 短时平均幅度差函数的基音检测算法 | 第29页 |
3.3 改进基音提取算法的原理 | 第29-35页 |
3.3.1 提升小波变换原理 | 第30-31页 |
3.3.2 阈值的估计和阈值函数的选取 | 第31-32页 |
3.3.3 多级提升小波近似分量加权求和 | 第32-33页 |
3.3.4 线性预测误差自相关函数 | 第33-34页 |
3.3.5 加权平方处理 | 第34页 |
3.3.6 算法的流程 | 第34-35页 |
3.4 实验结果分析与对比 | 第35-40页 |
3.5 本章小结 | 第40-41页 |
第四章 基于EMD分解的MFCC组合特征参数提取算法 | 第41-56页 |
4.1 引言 | 第41页 |
4.2 线性预测倒谱系数(LPCC) | 第41-44页 |
4.3 美尔频率倒谱系数(MFCC) | 第44-46页 |
4.3.1 MFCC的分析 | 第44-45页 |
4.3.2 Mel滤波器组 | 第45页 |
4.3.3 MFCC特征参数提取 | 第45-46页 |
4.4 基于EMD分解的MFCC组合特征参数 | 第46-50页 |
4.4.1 经验模式分解(EMD) | 第46-48页 |
4.4.2 改进MFCC参数的提取 | 第48-49页 |
4.4.3 基音轮廓特征参数 | 第49-50页 |
4.4.4 改进MFCC特征算法步骤 | 第50页 |
4.5 对比实验与结果分析 | 第50-55页 |
4.5.1 实验平台设备 | 第50-51页 |
4.5.2 实验语音样本库 | 第51-52页 |
4.5.3 实验结果分析 | 第52-55页 |
4.6 本章小结 | 第55-56页 |
第五章 语音识别系统的实现 | 第56-69页 |
5.1 非特定人语音识别系统的实现 | 第56-61页 |
5.1.1 语音系统主界面 | 第56-57页 |
5.1.2 语音信号的录入 | 第57-58页 |
5.1.3 语音信号的预处理 | 第58-60页 |
5.1.4 语音信号的特征提取 | 第60-61页 |
5.2 HMM的训练与识别 | 第61-65页 |
5.3 系统识别结果及识别性能分析 | 第65-68页 |
5.4 本章小节 | 第68-69页 |
第六章 总结与展望 | 第69-71页 |
6.1 总结 | 第69-70页 |
6.2 展望 | 第70-71页 |
致谢 | 第71-72页 |
攻读硕士学位期间主要的研究成果 | 第72-73页 |
参考文献 | 第73-76页 |
附录一 插图清单 | 第76-78页 |
附录二 图表清单 | 第78页 |