| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-21页 |
| ·自动语音识别背景介绍 | 第10-12页 |
| ·基于统计建模框架的自动语音识别 | 第12-20页 |
| ·语音特征参数的提取 | 第12-14页 |
| ·声学模型 | 第14-18页 |
| ·语言模型 | 第18-19页 |
| ·解码搜索 | 第19-20页 |
| ·章节的组织结构 | 第20-21页 |
| 第2章 鲁棒性前端方法回顾 | 第21-34页 |
| ·引言 | 第21-23页 |
| ·噪声鲁棒性方法回顾 | 第23-32页 |
| ·环境模型介绍 | 第23-24页 |
| ·鲁棒性特征提取 | 第24页 |
| ·语音增强 | 第24-26页 |
| ·特征补偿/增强 | 第26-30页 |
| ·模型补偿 | 第30-32页 |
| ·本章小结 | 第32-34页 |
| 第3章 实用一阶 VTS 特征补偿算法 | 第34-46页 |
| ·引言 | 第34-35页 |
| ·一阶VTS 离线特征补偿算法 | 第35-38页 |
| ·实用的一阶VTS 算法 | 第38-40页 |
| ·一遍解码方式 | 第39-40页 |
| ·两遍解码方式 | 第40页 |
| ·识别流程 | 第40页 |
| ·实验结果和分析 | 第40-45页 |
| ·实验配置 | 第40-42页 |
| ·数据库介绍 | 第42-43页 |
| ·实验结果和分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第4章 基于噪声多高斯建模的 VTS 特征补偿算法 | 第46-55页 |
| ·引言 | 第46页 |
| ·基于噪声多高斯建模的VTS 特征补偿算法原理 | 第46-52页 |
| ·语音-环境模型 | 第46-47页 |
| ·K-means 聚类算法 | 第47-48页 |
| ·噪声模型参数估计 | 第48-52页 |
| ·MMSE | 第52页 |
| ·实验结果和分析 | 第52-54页 |
| ·实验配置和数据库 | 第52-53页 |
| ·实验结果和分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 结束语 | 第55-57页 |
| ·总结 | 第55-56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61页 |