| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 语音识别介绍 | 第10页 |
| 1.2 课题研究的背景和意义 | 第10页 |
| 1.3 语音识别研究与应用现状 | 第10-12页 |
| 1.4 本文的主要研究内容 | 第12-13页 |
| 1.5 论文结构安排 | 第13-14页 |
| 第二章 语音识别技术的基本原理分析 | 第14-35页 |
| 2.1 语音信号的预处理 | 第14-18页 |
| 2.1.1 语音信号的数字化 | 第14-15页 |
| 2.1.2 语音信号预加重 | 第15-17页 |
| 2.1.3 语音信号加窗分帧 | 第17-18页 |
| 2.2 传统的端点检测算法及其改进 | 第18-24页 |
| 2.3 改进端点检测算法实验及结果分析 | 第24-29页 |
| 2.4 特征提取分析 | 第29-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 子空间高斯混合模型的研究与分析 | 第35-46页 |
| 3.1 隐马尔可夫模型 | 第35-38页 |
| 3.1.1 隐马尔可夫模型的介绍 | 第35页 |
| 3.1.2 隐马尔可夫模型的关键问题 | 第35-38页 |
| 3.1.2.1 前向算法(评估问题) | 第36页 |
| 3.1.2.2 Viterbi算法(解码问题) | 第36-37页 |
| 3.1.2.3 Baum-welch算法(训练问题) | 第37-38页 |
| 3.2 隐马尔可夫模型的不足 | 第38-39页 |
| 3.3 子空间高斯混合模型 | 第39-41页 |
| 3.3.1 基本模型 | 第39-40页 |
| 3.3.2 模型扩展 | 第40-41页 |
| 3.3.3 通用背景模型 | 第41页 |
| 3.4 训练步骤 | 第41-44页 |
| 3.4.1 UBM初始化及训练 | 第42-43页 |
| 3.4.2 特征参数变换 | 第43页 |
| 3.4.3 子空间模型初始化 | 第43-44页 |
| 3.5 概率计算 | 第44页 |
| 3.5.1 全局优先计算 | 第44页 |
| 3.5.2 高斯概率计算 | 第44页 |
| 3.6 模型完整训练 | 第44-45页 |
| 3.7 本章小结 | 第45-46页 |
| 第四章 中文子空间高斯混合模型语音识别系统的研究与实现 | 第46-63页 |
| 4.1 Kaldi语音识别系统 | 第46-47页 |
| 4.2 Kaldi数据准备 | 第47-51页 |
| 4.3 语言模型 | 第51-52页 |
| 4.4 模型训练 | 第52-54页 |
| 4.5 实验及结果分析 | 第54-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第五章 HMM和改进的ANN混合模型语音识别的研究与实现 | 第63-77页 |
| 5.1 人工神经网络 | 第63-69页 |
| 5.1.1 BP神经网络及其学习算法 | 第63-66页 |
| 5.1.2 受限玻尔兹曼网络RBM及其学习算法 | 第66-68页 |
| 5.1.3 改进的神经网络模型 | 第68-69页 |
| 5.2 基于HMM-ANN混合模型的语音识别系统 | 第69-76页 |
| 5.2.1 实验及结果分析 | 第69-76页 |
| 5.3 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 全文总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 攻读硕士学位期间取得的成果 | 第83-84页 |
