| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-21页 |
| ·引言 | 第11-12页 |
| ·语音识别技术的研究和发展 | 第12-15页 |
| ·鲁棒语音识别 | 第15-17页 |
| ·鲁棒语音识别的难点 | 第15-16页 |
| ·鲁棒语音识别研究的方法 | 第16-17页 |
| ·听觉特性的研究与环境鲁棒性 | 第17-18页 |
| ·本论文的主要工作和安排 | 第18-21页 |
| 第二章 统计语音识别的基本原理与鲁棒语音识别 | 第21-41页 |
| ·语音识别技术的分析模型 | 第21-23页 |
| ·语音识别的统计模型研究 | 第23-30页 |
| ·隐马尔可夫模型 | 第23-26页 |
| ·动态贝叶斯网 | 第26-28页 |
| ·随机轨迹模型与段模型 | 第28-30页 |
| ·噪声环境下的鲁棒语音识别 | 第30-39页 |
| ·噪声环境下鲁棒语音识别方法的研究 | 第30-36页 |
| ·环境对语音影响的研究 | 第36-39页 |
| ·本章小结 | 第39-41页 |
| 第三章 听觉特性的研究与识别估计准则分析 | 第41-53页 |
| ·听觉感知系统的研究 | 第41-45页 |
| ·人耳的听觉感知机理 | 第41-42页 |
| ·生理听觉特性在语音识别中的应用研究 | 第42-45页 |
| ·听觉特性的研究 | 第45-49页 |
| ·声音流的时差－频差分组现象 | 第45-47页 |
| ·听觉特性的频率选择性 | 第47-48页 |
| ·噪声环境下的听觉现象 | 第48-49页 |
| ·估计准则的研究与讨论 | 第49-52页 |
| ·贝叶斯估计理论 | 第49-50页 |
| ·最小均方误差 | 第50页 |
| ·最大似然 | 第50页 |
| ·最大后验 | 第50-51页 |
| ·最大互信息 | 第51页 |
| ·最小判别信息 | 第51-52页 |
| ·最小分类误差 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第四章 基于Fletcher－Allen 规则的子带鲁棒语音识别算法 | 第53-79页 |
| ·噪声对不同频带信号的影响 | 第53页 |
| ·高斯模型下噪声影响的研究 | 第53-60页 |
| ·Fletcher－Allen 感知理论 | 第60-61页 |
| ·子带鲁棒语音识别算法 | 第61-78页 |
| ·子带算法理论性能分析 | 第61-62页 |
| ·并行子带HMM 最大后验概率自适应非线性类估计算法 | 第62-72页 |
| ·非线性最大后验统计匹配 | 第72-78页 |
| ·本章小结 | 第78-79页 |
| 第五章 多带鲁棒语音识别算法研究 | 第79-101页 |
| ·多带分析的理论基础 | 第79-80页 |
| ·多带异步分析 | 第80-93页 |
| ·多带异步分析的理论性能优势分析 | 第80-81页 |
| ·多带最大似然鲁棒语音识别算法 | 第81-87页 |
| ·基于判决合并的多带最大后验多变换算法 | 第87-91页 |
| ·合并函数的分析比较 | 第91-93页 |
| ·同步多带系统模型 | 第93-97页 |
| ·同步多带识别模型分析 | 第93-95页 |
| ·仿真实验与结果分析 | 第95-97页 |
| ·同步—异步分析模型 | 第97-99页 |
| ·本章小结 | 第99-101页 |
| 第六章 总结与展望 | 第101-104页 |
| ·全文总结 | 第101-102页 |
| ·展望 | 第102-104页 |
| 作者在博士期间的研究成果 | 第104-105页 |
| 致谢 | 第105-107页 |
| 后记 | 第107-108页 |
| 参考文献 | 第108-116页 |