| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 1. 绪论 | 第12-24页 |
| 1.1. 研究背景 | 第12-13页 |
| 1.2. 出租车紧急呼救系统概述 | 第13-15页 |
| 1.2.1. 通信网络 | 第14页 |
| 1.2.2. 车载终端 | 第14页 |
| 1.2.3. 救援中心 | 第14-15页 |
| 1.2.4. 救援机构 | 第15页 |
| 1.3. 出租车紧急呼救系统的发展现状 | 第15-18页 |
| 1.4. 出租车紧急呼救系统触发方法的研究现状 | 第18-20页 |
| 1.5. 语音识别技术的研究现状 | 第20-21页 |
| 1.6. 研究目的和意义 | 第21页 |
| 1.7. 研究内容和组织结构 | 第21-24页 |
| 2. 基于语音识别的触发方法 | 第24-32页 |
| 2.1. 危险场景分析 | 第24-27页 |
| 2.1.1. 呼救场景分析 | 第24页 |
| 2.1.2. 抢劫场景分析 | 第24-27页 |
| 2.2. 触发流程 | 第27-29页 |
| 2.3. 救援流程 | 第29-30页 |
| 2.4. 本章小结 | 第30-32页 |
| 3. 语音识别模块的研究与设计 | 第32-50页 |
| 3.1. 语音信号预处理 | 第32-34页 |
| 3.1.1. 数字化 | 第32页 |
| 3.1.2. 预加重 | 第32-33页 |
| 3.1.3. 加窗分帧 | 第33-34页 |
| 3.1.4. 快速傅里叶变换 | 第34页 |
| 3.2. 语音增强 | 第34-39页 |
| 3.2.1. 基于 MMSE-LSA 的语音增强算法 | 第35-37页 |
| 3.2.2. 基于时域频域语音存在的噪声估计算法 | 第37-39页 |
| 3.3. Mel 频率倒谱系数及其提取方法 | 第39-41页 |
| 3.4. 隐马尔可夫模型 | 第41-44页 |
| 3.4.1. Forward-Backward 算法 | 第42-43页 |
| 3.4.2. Viterbi 算法 | 第43-44页 |
| 3.4.3. Baum-Welch 算法 | 第44页 |
| 3.5. 基于 PocketSphinx 的语音识别模块的设计 | 第44-48页 |
| 3.5.1. PocketSphinx 简介 | 第44-45页 |
| 3.5.2. 声学模型训练 | 第45-46页 |
| 3.5.3. 字典设计 | 第46-47页 |
| 3.5.4. 语言模型训练 | 第47-48页 |
| 3.6. 本章小结 | 第48-50页 |
| 4. 危险场景识别算法的研究与设计 | 第50-60页 |
| 4.1. 基于统计的危险场景识别算法 | 第50页 |
| 4.2. 基于模式匹配的危险场景识别算法 | 第50-51页 |
| 4.3. 基于模糊匹配的危险场景识别算法 | 第51-54页 |
| 4.4. 基于统计和模糊匹配的危险场景识别算法 | 第54-56页 |
| 4.5. 模式库的设计规则 | 第56-59页 |
| 4.6. 本章小结 | 第59-60页 |
| 5. 仿真实验与结果分析 | 第60-66页 |
| 5.1. 模式库设计 | 第60-61页 |
| 5.2. 语音增强模块的性能测试 | 第61-62页 |
| 5.3. PocketSphinx 的性能测试 | 第62-63页 |
| 5.4. 基于统计和模糊匹配的危险场景识别算法的性能测试 | 第63-65页 |
| 5.5. 本章小结 | 第65-66页 |
| 6. 总结与展望 | 第66-68页 |
| 6.1. 工作总结 | 第66-67页 |
| 6.2. 研究展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 个人简历 | 第72页 |
| 发表的学术论文与研究成果 | 第72-73页 |
