| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题背景 | 第8-10页 |
| ·语音识别中的主要问题 | 第10页 |
| ·语音识别系统及其组成结构 | 第10-13页 |
| ·前端声学特征提取简介 | 第10-11页 |
| ·声学模型和语言模型简介 | 第11-12页 |
| ·解码器简介 | 第12-13页 |
| ·本文的主要内容和组织结构 | 第13页 |
| ·小结 | 第13-14页 |
| 第二章 基于统计建模框架下的语音识别系统 | 第14-24页 |
| ·HMM 数学上的定义 | 第14-16页 |
| ·马尔科夫过程 | 第14-15页 |
| ·隐马尔科夫模型HMM | 第15-16页 |
| ·HMM 求解的三大经典问题 | 第16-19页 |
| ·评估问题 | 第16-17页 |
| ·解码问题 | 第17-18页 |
| ·训练问题 | 第18-19页 |
| ·基于HMM 框架下的语音识别声学模型 | 第19-22页 |
| ·HMM 单流建模方式 | 第20-21页 |
| ·HMM 双流建模方式 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 短时倒谱特征的提取方法 | 第24-32页 |
| ·短时倒谱参数 | 第24-29页 |
| ·预处理 | 第25-26页 |
| ·线性预测倒谱系数（PLP） | 第26-27页 |
| ·Mel 倒谱系数（MFCC） | 第27-29页 |
| ·前端鲁棒性抗噪方法 | 第29-30页 |
| ·短时倒谱参数的识别性能 | 第30-31页 |
| ·实验数据库介绍和参数特征选择 | 第30页 |
| ·实验结果 | 第30-31页 |
| ·小结 | 第31-32页 |
| 第四章 语音信号中音调特征的提取方法 | 第32-40页 |
| ·短时基音参数提取方法 | 第33-37页 |
| ·基于平均幅度差函数（AMDF）基频提取算法 | 第33-34页 |
| ·谐波求和（Subharmonic Summation，SHS）基频提取算法 | 第34-37页 |
| ·基频归一化和平滑处理 | 第37页 |
| ·本章小结 | 第37-40页 |
| 第五章 基于语音增强的基频提取算法的研究及应用 | 第40-50页 |
| ·谱减法 （spectrum subtraction，SS） | 第41-43页 |
| ·最小值统计跟踪噪声功率谱估计（Minimum Statistics, MS） | 第43-46页 |
| ·最优平滑 | 第43-44页 |
| ·最小统计跟踪算法 | 第44-45页 |
| ·偏差补偿 | 第45-46页 |
| ·实验结果 | 第46-48页 |
| ·前端基本配置 | 第46-47页 |
| ·实验结果 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第六章 系统框架 | 第50-56页 |
| ·基于语音增强的基频提取算法框架 | 第50-51页 |
| ·实验及其结果 | 第51-54页 |
| ·实验设计 | 第51-52页 |
| ·实验配置 | 第52-53页 |
| ·实验结果和分析 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第七章 总结与展望 | 第56-58页 |
| ·工作总结 | 第56页 |
| ·未来工作展望 | 第56-58页 |
| 参考文献 | 第58-60页 |
| 致谢 | 第60-62页 |
| 攻读学位期间发表的学术论文 | 第62页 |
