基于BP神经网络的语音识别技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 引言 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 语音识别系统所面临的困难 | 第12-13页 |
| 1.3.1 噪音干扰 | 第12页 |
| 1.3.2 语音信号具有复杂和多变性 | 第12页 |
| 1.3.3 鲁棒性方面 | 第12-13页 |
| 1.3.4 语音系统的复杂性 | 第13页 |
| 1.4 本文研究内容和结构安排 | 第13-15页 |
| 1.4.1 研究内容 | 第13页 |
| 1.4.2 结构安排 | 第13-15页 |
| 第二章 语音识别基本原理和技术 | 第15-27页 |
| 2.1 语音识别系统简介 | 第15-16页 |
| 2.1.1 语音识别系统分类 | 第15页 |
| 2.1.2 语音识别系统的基本原理 | 第15-16页 |
| 2.2 语音信号预处理 | 第16-20页 |
| 2.2.1 预滤波与采样 | 第16-17页 |
| 2.2.2 预加重 | 第17页 |
| 2.2.3 分帧加窗 | 第17-18页 |
| 2.2.4 端点检测 | 第18-20页 |
| 2.3 语音特征提取方法 | 第20-26页 |
| 2.3.1 线性预测系数(LPC) | 第21-22页 |
| 2.3.2 线性预测倒谱系数(LPCC) | 第22页 |
| 2.3.3 美尔频率倒谱系数(MFCC) | 第22-24页 |
| 2.3.4 改进的混合MFCC | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 人工神经网络相关理论及算法 | 第27-40页 |
| 3.1 人工神经网络概述 | 第27-32页 |
| 3.1.1 人工神经元 | 第28-29页 |
| 3.1.2 人工神经网络模型 | 第29-30页 |
| 3.1.3 神经网络的学习方法 | 第30-31页 |
| 3.1.4 神经网络的学习规则 | 第31-32页 |
| 3.2 BP神经网络 | 第32-36页 |
| 3.2.1 BP神经网络结构 | 第32-34页 |
| 3.2.2 BP网络的学习算法 | 第34-36页 |
| 3.3 BP神经网络的不足与改进 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于BP神经网络的语音识别仿真实现 | 第40-54页 |
| 4.1 仿真系统的介绍 | 第40-41页 |
| 4.2 语音样本的建立 | 第41-46页 |
| 4.2.1 语音信号的采集 | 第41-42页 |
| 4.2.2 语音信号预处理 | 第42-43页 |
| 4.2.3 语音信号的特征参数提取 | 第43-44页 |
| 4.2.4 特征参数的规整 | 第44-46页 |
| 4.3 神经网络模型的建立 | 第46-47页 |
| 4.4 神经网络的训练和识别 | 第47-48页 |
| 4.5 仿真实验及性能分析 | 第48-53页 |
| 4.5.1 BP神经网络改进前后性能比较 | 第48-49页 |
| 4.5.2 网络结构对性能的影响 | 第49-51页 |
| 4.5.3 不同参数的性能比较 | 第51-52页 |
| 4.5.4 训练样本个数对识别性能的影响 | 第52页 |
| 4.5.5 特定人和非特定人识别性能测试 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 5.1 全文总结 | 第54页 |
| 5.2 前景展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59页 |
