| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-14页 |
| ·选题的目的和意义 | 第7-8页 |
| ·语音识别技术的发展和现状 | 第8-10页 |
| ·语音识别系统的介绍 | 第10-12页 |
| ·语音识别的基础 | 第10-11页 |
| ·语音识别的原理 | 第11页 |
| ·模式匹配和模型训练技术 | 第11-12页 |
| ·本文所做的工作与论文的组织结构 | 第12-14页 |
| 第2章 语音信号的预处理和端点检测 | 第14-21页 |
| ·语音信号的预处理 | 第14-16页 |
| ·语音信号的预滤波、采样、A/D转换 | 第14页 |
| ·语音信号的预加重 | 第14-15页 |
| ·加窗 | 第15-16页 |
| ·语音信号的端点检测 | 第16-21页 |
| ·双门限端点检测算法 | 第16-17页 |
| ·LPC美尔倒谱特征端点检测方法 | 第17-21页 |
| 第3章 基于HMM的语音识别 | 第21-35页 |
| ·隐马尔可夫模型 | 第21-26页 |
| ·隐马尔可夫链 | 第21-22页 |
| ·隐马尔可夫模型的基本概念 | 第22-23页 |
| ·隐马尔可夫模型的三个基本问题 | 第23-24页 |
| ·前向—后向算法 | 第24-25页 |
| ·Viterbi算法 | 第25页 |
| ·Baum-Welch算法 | 第25-26页 |
| ·HMM用于语音识别 | 第26-35页 |
| ·HMM模型的选取 | 第26-27页 |
| ·拓扑形式和状态个数选取 | 第27-29页 |
| ·基于HMM汉语数码孤立词识别 | 第29-32页 |
| ·基本背景 | 第29-30页 |
| ·训练与识别 | 第30-32页 |
| ·连续语音识别 | 第32-35页 |
| ·语言模型 | 第32-33页 |
| ·连续语音的模板训练和识别搜索策略 | 第33-35页 |
| 第4章 基于HMM/SOFMNN混合模型的语音识别 | 第35-47页 |
| ·引言 | 第35页 |
| ·自组织特征映射神经网络应用于语音识别 | 第35-45页 |
| ·神经网络的基本原理 | 第35-36页 |
| ·神经元的介绍 | 第36页 |
| ·网络的连接模式 | 第36-37页 |
| ·神经网络的训练方法 | 第37页 |
| ·基于自组织特征映射神经网络的语音识别 | 第37-40页 |
| ·基于HMM与SOFMNN混合模型的神经网络 | 第40-45页 |
| ·系统的前端处理 | 第41-42页 |
| ·利用CDHMM产生最佳状态序列 | 第42-43页 |
| ·语音信号的时间规整 | 第43-45页 |
| ·SOFM的训练方法 | 第45页 |
| ·本章小结 | 第45-47页 |
| 第5章 仿真与实现 | 第47-60页 |
| ·引言 | 第47-49页 |
| ·原理 | 第49-51页 |
| ·语音信号的采集及预处理 | 第51-57页 |
| ·语音信号的采样 | 第51页 |
| ·语音信号的预处理 | 第51-52页 |
| ·语音信号的端点检测 | 第52-54页 |
| ·语音信号的特征提取 | 第54-57页 |
| ·说话人识别系统的实现 | 第57-59页 |
| ·结论 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 作者在读期间发表的论文 | 第65页 |