基于Android平台的语音识别系统的设计
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究发展状况 | 第11-12页 |
| 1.2.1 国外语音识别技术的发展 | 第11页 |
| 1.2.2 国内语音识别技术的发展 | 第11-12页 |
| 1.3 论文主要工作 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第二章 语音信号分析及处理 | 第14-30页 |
| 2.1 语音信号预处理 | 第14-18页 |
| 2.1.1 数字化 | 第14-15页 |
| 2.1.2 预加重 | 第15页 |
| 2.1.3 分帧加窗 | 第15-17页 |
| 2.1.4 端点检测 | 第17-18页 |
| 2.2 语音信号的特征提取 | 第18-24页 |
| 2.2.1 线性预测倒谱系数 | 第19-20页 |
| 2.2.2 梅尔倒谱系数 | 第20-24页 |
| 2.3 特征参数的矢量量化 | 第24-25页 |
| 2.3.1 矢量量化设计问题 | 第24-25页 |
| 2.3.2 优化准则 | 第25页 |
| 2.4 聚类算法分析 | 第25-29页 |
| 2.4.1 K均值聚类算法及不足 | 第26-27页 |
| 2.4.2 改进的K均值聚类算法 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于HMM语音识别的基本理论 | 第30-41页 |
| 3.1 HMM定义 | 第30页 |
| 3.2 HMM理论假设 | 第30-31页 |
| 3.3 HMM的三个基本问题 | 第31-37页 |
| 3.3.1 评估问题与前向后向算法 | 第31-32页 |
| 3.3.2 译码问题与维特比算法 | 第32-33页 |
| 3.3.3 训练问题 | 第33-37页 |
| 3.4 HMM语音识别的应用 | 第37-40页 |
| 3.4.1 统计语言模型 | 第37-38页 |
| 3.4.2 HMM系统的训练 | 第38-39页 |
| 3.4.3 HMM系统的识别 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 RNN介绍与研究 | 第41-49页 |
| 4.1 RNN简介 | 第41-42页 |
| 4.2 RNN训练问题 | 第42-45页 |
| 4.2.1 BPTT算法 | 第43-44页 |
| 4.2.2 梯度问题 | 第44-45页 |
| 4.3 LSTM和GRU | 第45-48页 |
| 4.3.1 LSTM及其实现 | 第45-47页 |
| 4.3.2 GRU及其实现 | 第47-48页 |
| 4.3.3 LSTM和GRU的比较 | 第48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 实验系统搭建与测试 | 第49-67页 |
| 5.1 HMM-RNN系统的搭建 | 第49页 |
| 5.2 实验环境和数据说明 | 第49-50页 |
| 5.3 预处理及特征参数提取 | 第50-54页 |
| 5.3.1 预处理 | 第50-53页 |
| 5.3.2 特征参数提取 | 第53-54页 |
| 5.4 训练过程 | 第54-60页 |
| 5.4.1 码书的生成 | 第54-56页 |
| 5.4.2 HMM训练 | 第56-57页 |
| 5.4.3 RNN训练 | 第57-60页 |
| 5.5 训练相关参数的测试 | 第60-63页 |
| 5.5.1 HMM参数测试 | 第60-62页 |
| 5.5.2 RNN参数测试 | 第62-63页 |
| 5.6 语音识别系统测试 | 第63-66页 |
| 5.7 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附件 | 第73页 |
