稀疏算法在汽车驾驶语言语音识别中的应用
| 中文摘要 | 第4-5页 |
| 英文摘要 | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 国外语音识别的发展及应用 | 第8-9页 |
| 1.2 国内语音识别的发展及应用 | 第9页 |
| 1.3 语音识别的发展方向 | 第9-10页 |
| 1.4 车载语音识别的发展现状 | 第10页 |
| 1.5 论文的内容与结构安排 | 第10-12页 |
| 第二章 语音识别的概述 | 第12-16页 |
| 2.1 语音识别的基本原理 | 第12-13页 |
| 2.2 语音识别的分类 | 第13-14页 |
| 2.3 语音识别的方法 | 第14页 |
| 2.4 语音识别的问题 | 第14-15页 |
| 2.5 车载语音识别概述与问题 | 第15页 |
| 2.6 本章小结 | 第15-16页 |
| 第三章 语音信号的预处理及语谱图生成 | 第16-25页 |
| 3.1 语音样本的采集 | 第16-17页 |
| 3.2 语音信号的预滤波及A/D转换 | 第17页 |
| 3.3 语音信号的预加重 | 第17页 |
| 3.4 语音信号的分帧加窗处理 | 第17-19页 |
| 3.5 短时平均幅度和能量 | 第19-20页 |
| 3.6 短时平均过零率 | 第20-21页 |
| 3.7 语音信号的端点检测 | 第21-22页 |
| 3.8 语音语谱图的显示 | 第22-24页 |
| 3.9 本章小结 | 第24-25页 |
| 第四章 压缩感知理论简介及主要进展 | 第25-31页 |
| 4.1 CS理论的提出 | 第25-26页 |
| 4.2 信号的稀疏表示 | 第26-27页 |
| 4.3 信号的随机测量 | 第27-28页 |
| 4.4 信号的重构算法 | 第28-29页 |
| 4.5 CS应用前景 | 第29-30页 |
| 4.6 本章小结 | 第30-31页 |
| 第五章 稀疏算法应用于车内驾驶员汉语语音识别 | 第31-47页 |
| 5.1 语音信号的压缩采样 | 第31页 |
| 5.2 语谱图的归一化互相关算法 | 第31-32页 |
| 5.3 识别算法的实现 | 第32-46页 |
| 5.3.1 算法的实现过程 | 第32-33页 |
| 5.3.2 求最佳匹配模板 | 第33-37页 |
| 5.3.3 计算模板与样本间相关联度 | 第37-41页 |
| 5.3.4 选取阈值及压缩比 | 第41-45页 |
| 5.3.5 计算识别率并验证实验结果 | 第45-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第六章 结论与展望 | 第47-48页 |
| 参考文献 | 第48-50页 |
| 致谢 | 第50页 |
