基于嵌入式技术及云技术的机器人语音识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景和意义 | 第11页 |
| 1.2 国内外研究概况 | 第11-13页 |
| 1.2.1 国外发展现状 | 第11-12页 |
| 1.2.2 国内发展现状 | 第12-13页 |
| 1.3 语音识别面临的挑战 | 第13页 |
| 1.4 机器人发展概述 | 第13-15页 |
| 1.5 本论文研究内容和结构 | 第15-17页 |
| 第2章 语音识别技术研究 | 第17-27页 |
| 2.1 语音识别的过程 | 第17-18页 |
| 2.1.1 语音的生成 | 第17页 |
| 2.1.2 语音识别的总体结构 | 第17-18页 |
| 2.2 语音信号的预处理 | 第18-23页 |
| 2.2.1 预加重处理 | 第18-19页 |
| 2.2.2 分帧处理 | 第19-20页 |
| 2.2.3 短时平均能量 | 第20页 |
| 2.2.4 短时平均过零率 | 第20-22页 |
| 2.2.5 端点检测 | 第22-23页 |
| 2.3 语音信号特征参数提取 | 第23-26页 |
| 2.3.1 线性预测倒谱系数LPCC | 第23-24页 |
| 2.3.2 梅尔频率倒谱系数MFCC | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 嵌入式平台的搭建 | 第27-41页 |
| 3.1 ARM9处理器简介 | 第27-28页 |
| 3.2 嵌入式底板制作 | 第28-31页 |
| 3.3 嵌入式Linux开发环境建立 | 第31-38页 |
| 3.3.1 建立串口通信 | 第31-32页 |
| 3.3.2 建立交叉编译环境 | 第32-33页 |
| 3.3.3 定制Linux内核 | 第33-35页 |
| 3.3.4 根文件系统制作 | 第35-37页 |
| 3.3.5 系统烧写 | 第37-38页 |
| 3.4 本章小结 | 第38-41页 |
| 第4章 PocketSphinx语音识别引擎 | 第41-63页 |
| 4.1 PocketSphinx语音识别概述 | 第41-42页 |
| 4.2 PC训练平台搭建 | 第42-45页 |
| 4.3 CMUclmtk语言模型 | 第45-46页 |
| 4.4 SphinxTrain声学模型 | 第46-59页 |
| 4.4.1 隐马尔科夫模型 | 第46-53页 |
| 4.4.2 声学模型构成 | 第53-54页 |
| 4.4.3 声学模型训练过程 | 第54-59页 |
| 4.5 嵌入式移植 | 第59-61页 |
| 4.6 本章小结 | 第61-63页 |
| 第5章 嵌入式云语音识别 | 第63-75页 |
| 5.1 云语音识别概述 | 第63页 |
| 5.2 嵌入式云语音识别方案 | 第63-65页 |
| 5.3 音频去噪 | 第65-68页 |
| 5.3.1 基本谱减法 | 第65-66页 |
| 5.3.2 改进的谱减法 | 第66-68页 |
| 5.4 云服务器 | 第68-70页 |
| 5.5 嵌入式云语音识别方案实现 | 第70-73页 |
| 5.5.1 Python嵌入式移植 | 第70-72页 |
| 5.5.2 实验结果 | 第72-73页 |
| 5.6 本章小结 | 第73-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 6.1 论文总结 | 第75页 |
| 6.2 论文展望 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 附录 | 第85页 |
