基于HMM与小波神经网络的语音识别系统研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-11页 |
| ·引言 | 第7页 |
| ·语音识别技术的发展与现状 | 第7-9页 |
| ·语音识别面临的问题 | 第9页 |
| ·本文的主要工作 | 第9-11页 |
| 2 语音信号特征参数提取 | 第11-25页 |
| ·语音识别基本原理 | 第11页 |
| ·语音信号的预处理 | 第11-15页 |
| ·基于LPMCC与MFCC的组合特征参数提取 | 第15-23页 |
| ·特征参数LPC的提取 | 第15-17页 |
| ·特征参数LPCC的提取 | 第17-18页 |
| ·组合特征参数提取 | 第18-22页 |
| ·实验结果 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 3 基于阈值决策的小波降噪处理 | 第25-37页 |
| ·小波分析 | 第25-30页 |
| ·小波变换的发展及应用 | 第25页 |
| ·小波定义 | 第25-26页 |
| ·连续小波变换 | 第26页 |
| ·连续小波变换的离散化 | 第26-27页 |
| ·二进小波变换 | 第27页 |
| ·多分辨率分析 | 第27-28页 |
| ·一维Mallat算法 | 第28-30页 |
| ·基于小波分析的语音信号预处理 | 第30-36页 |
| ·小波降噪的基本原理 | 第30-31页 |
| ·基于尺度自适应的改进阈值函数小波降噪算法 | 第31-34页 |
| ·实验结果 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 4 基于HMM和小波神经网络的语音识别系统 | 第37-61页 |
| ·隐马尔可夫模型 | 第37-44页 |
| ·隐马尔可夫模型的数学描述 | 第38-39页 |
| ·HMM模型中的三个基本问题 | 第39-44页 |
| ·第1个问题的求解 | 第39-41页 |
| ·第2个问题的求解——Viterbi算法 | 第41-43页 |
| ·第3个问题的求解——Baum-Welch算法 | 第43-44页 |
| ·小波神经网络 | 第44-48页 |
| ·小波神经网络的产生和发展 | 第44-45页 |
| ·小波神经网络模型的构建 | 第45-47页 |
| ·小波网络与其他神经网络的比较 | 第47-48页 |
| ·基于梯度PID的小波神经网络训练 | 第48-55页 |
| ·常规小波神经网络的设计及其学习算法 | 第48-51页 |
| ·基于梯度PID的小波神经网络训练算法 | 第51-54页 |
| ·实验结果 | 第54-55页 |
| ·HMM/WNN混合模型语音识别方法 | 第55-60页 |
| ·HMM语音识别原理 | 第55-57页 |
| ·基于HMM/WNN混合模型的语音识别系统 | 第57-59页 |
| ·系统的基本原理 | 第57-58页 |
| ·系统的训练过程 | 第58-59页 |
| ·系统的识别过程 | 第59页 |
| ·实验结果 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 5 机器人语音控制系统 | 第61-69页 |
| ·系统组成 | 第61-62页 |
| ·移动机器人AS-R | 第61页 |
| ·无线网络设备 | 第61-62页 |
| ·机器人语音控制系统原理 | 第62页 |
| ·语音识别 | 第62-63页 |
| ·无线网络通信 | 第63-65页 |
| ·服务器端(主机端) | 第65页 |
| ·客户端(机器人端) | 第65页 |
| ·机器人运动控制 | 第65-67页 |
| ·本章小结 | 第67-69页 |
| 总结与展望 | 第69-71页 |
| 1、总结 | 第69页 |
| 2、展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-75页 |
