| 第一章 引言 | 第1-10页 |
| 1．1 传统语音学中的唇形研究 | 第6-7页 |
| 1．2 视听言语处理（AVSP） | 第7-10页 |
| 1．2．1 关于视觉信息对言语理解贡献大小的测试 | 第7-8页 |
| 1．2．2 多模态言语合成（Multimodal Speech Synthesis） | 第8页 |
| 1．2．3 多模态言语识别系统（AVSR） | 第8-9页 |
| 1．2．4 视听言语处理对唇形研究提出了新的要求 | 第9-10页 |
| 1．3 视觉言语研究的其它用途 | 第10页 |
| 第二章 视觉言语研究方法 | 第10-12页 |
| 2．1 视听言语数据库（Audio-Visual Speech Database）的建立 | 第10-11页 |
| 2．1．1 瑞典语 | 第10页 |
| 2．1．2 朝鲜语 | 第10-11页 |
| 2．1．3 汉语 | 第11页 |
| 2．2 视位（viseme）的提出 | 第11-12页 |
| 2．2．1 对视位的解释 | 第11页 |
| 2．2．2 一些国家的视位研究 | 第11-12页 |
| 2．2．2．1 瑞典语的视位研究 | 第11-12页 |
| 2．2．2．2 日语的视位研究 | 第12页 |
| 2．2．2．3 意大利语的视位研究 | 第12页 |
| 第三章 论文研究路线 | 第12-26页 |
| 3．1 有关视觉言语的一些认识 | 第12-14页 |
| 3．1．1 发音器官概述 | 第13页 |
| 3．1．2 不同视觉特征的言语分辨功能与研究参数的选定 | 第13-14页 |
| 3．1．3 视觉言语与表情 | 第14页 |
| 3．1．4 视觉言语中不同元音前辅音的处理问题 | 第14页 |
| 3．2 普通话唇形参数数据库的建立 | 第14-18页 |
| 3．2．1 实验设计考虑 | 第15-16页 |
| 3．2．1．1 发音人 | 第15页 |
| 3．2．1．2 发音材料 | 第15页 |
| 3．2．1．3 照明环境 | 第15页 |
| 3．2．1．4 标记 | 第15-16页 |
| 3．2．1．5 三维变化的实现 | 第16页 |
| 3．2．2 数据采集 | 第16页 |
| 3．2．2．1 设备 | 第16页 |
| 3．2．2．2 数据转换 | 第16页 |
| 3．2．3 数据测量 | 第16-18页 |
| 3．2．3．1 目标帧判定 | 第16-17页 |
| 3．2．3．2 参数测量平台 | 第17-18页 |
| 3．2．3．3 唇形参数数据库组成 | 第18页 |
| 3．3 普通话视位模型 | 第18-26页 |
| 3．3．1 数据分析 | 第19-24页 |
| 3．3．1．1 因子分析 | 第19-21页 |
| 3．3．1．2 对音素组进行聚类分析 | 第21-24页 |
| 3．3．2 视位与视位变体 | 第24-26页 |
| 3．3．2．1 视位 | 第24-26页 |
| 3．3．2．2 视位变体 | 第26页 |
| 第四章 局限及将来的工作 | 第26-27页 |
| 第五章 结论 | 第27-28页 |
| 参考文献 | 第28-31页 |
| 附录 | 第31-7页 |
| 附录1： 普通话视位研究字表 | 第31-32页 |
| 附录2： 数据分布直方图 | 第32-7页 |
| 图表目录 | 第7-34页 |
| 图1： 一例噪音环境中的言语可懂度测试 | 第7-14页 |
| 图2： 对11个测量参数的图示说明 | 第14-17页 |
| 图3： 唇形图序列示例——“哀”音节 | 第17-18页 |
| 图4： 参数测量平台界面 | 第18页 |
| 图5： 数据库音位分布频数 | 第18-21页 |
| 图6： 因子碎石图 | 第21-23页 |
| 图7： 分层聚类树形图 | 第23-25页 |
| 图8： 视位聚类 | 第25-11页 |
| 表1： Amcoff（1970），Mártony（1970）和Mártony等（1970）所得出的瑞典语视位 | 第11-19页 |
| 表2： 11个唇形参数间的相关矩阵 | 第19-20页 |
| 表3： 因子分析结果 | 第20页 |
| 表4： 因子负荷矩阵 | 第20-22页 |
| 表5： 各音素组的样本数及因子得分平均值 | 第22-24页 |
| 表6： 音素组的初始分类 | 第24-25页 |
| 表7： 普通话视位雏形 | 第25页 |
| 表8： 视位的三参数描述 | 第25-26页 |
| 表9： 对视位变体的描述 | 第26-34页 |
| 后记 | 第34页 |
