| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-19页 |
| ·课题的研究背景及意义 | 第10-11页 |
| ·混响语音识别国内外研究现状 | 第11-14页 |
| ·混响语音识别的难点分析 | 第14-17页 |
| ·本文主要研究工作及论文安排 | 第17-19页 |
| ·本文主要研究工作 | 第17-18页 |
| ·论文安排 | 第18-19页 |
| 第二章 语音识别算法及特征提取 | 第19-32页 |
| ·引言 | 第19页 |
| ·语音识别系统结构 | 第19-20页 |
| ·识别算法简介 | 第20-25页 |
| ·支持向量机（SVM） | 第20-21页 |
| ·动态贝叶斯网（BN） | 第21-22页 |
| ·C4.5 决策树分类 | 第22页 |
| ·KNN 分类 | 第22-23页 |
| ·随机森林算法（RFA） | 第23-24页 |
| ·高斯混合模型（GMM） | 第24-25页 |
| ·特征参数提取 | 第25-30页 |
| ·线性预测系数 LPCC | 第25-28页 |
| ·Mel 频率倒谱系数（MFCCs） | 第28-30页 |
| ·参数分析 | 第30-32页 |
| ·LPCC 参数分析 | 第30-31页 |
| ·MFCCs 参数分析 | 第31-32页 |
| 第三章 混响的理论基础知识 | 第32-39页 |
| ·引言 | 第32页 |
| ·室内声学反射原理 | 第32-34页 |
| ·混响特征参数 | 第34-35页 |
| ·混响时间 | 第34-35页 |
| ·早期衰减时间 EDT | 第35页 |
| ·混响能量比 | 第35页 |
| ·混响的数学模型 | 第35-37页 |
| ·混响的统计模型 | 第37页 |
| ·Image 模型仿真混响 | 第37-39页 |
| 第四章 混响语音识别方法 | 第39-51页 |
| ·引言 | 第39-40页 |
| ·基于前端方法 | 第40-45页 |
| ·线性滤波 | 第41-43页 |
| ·谱增强 | 第43-44页 |
| ·特征增强 | 第44-45页 |
| ·基于后端方法 | 第45-49页 |
| ·GMM 调节法 | 第45-46页 |
| ·独立环境声学似然度估计 | 第46-49页 |
| ·基于前端和基于后端方法的比较 | 第49-51页 |
| ·基于前端方法 | 第49页 |
| ·基于后端方法 | 第49-51页 |
| 第五章 采用复倒谱滤波与自适应 U-GMM 混响孤立词识别 | 第51-58页 |
| ·引言 | 第51页 |
| ·复倒谱线性滤波 | 第51-52页 |
| ·自适应 U-GMM | 第52-56页 |
| ·参数初始化 | 第53-54页 |
| ·参数估计 | 第54页 |
| ·构建 U-GMM | 第54-56页 |
| ·采用复倒谱滤波与自适应 U-GMM 混响孤立词识别 | 第56-58页 |
| 第六章 实验结果与分析 | 第58-66页 |
| ·实验简介 | 第58-61页 |
| ·主客观评价指标 | 第61-66页 |
| ·主观评价指标 | 第61页 |
| ·客观评价指标 | 第61-66页 |
| 第七章 总结与展望 | 第66-68页 |
| ·论文工作总结 | 第66-67页 |
| ·未来工作展望 | 第67-68页 |
| 参考文献 | 第68-75页 |
| 攻读硕士学位期间发表的论文 | 第75-76页 |
| 致谢 | 第76-77页 |