基于HMM和人工神经网络相结合的语音识别研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 绪论 | 第7-16页 |
| ·语音识别技术研究的背景和意义 | 第7-8页 |
| ·国内外研究现状 | 第8-10页 |
| ·国外研究现状 | 第8-10页 |
| ·国内研究现状 | 第10页 |
| ·语音识别技术的相关简介 | 第10-13页 |
| ·语音识别系统的分类 | 第10-11页 |
| ·语音系统识别的方式 | 第11-13页 |
| ·语音识别系统的构成 | 第13页 |
| ·语音识别技术所面临的问题 | 第13-14页 |
| ·本文研究的主要内容 | 第14-16页 |
| 第2章 语音识别的基本原理 | 第16-27页 |
| ·语音信号的预处理 | 第16-20页 |
| ·预加重 | 第16页 |
| ·分帧加窗 | 第16-17页 |
| ·端点检测 | 第17-20页 |
| ·语音信号特征提取 | 第20-24页 |
| ·有线性预测编码系数（LPC） | 第21-22页 |
| ·线性预测倒谱系数（LPCC） | 第22-23页 |
| ·Mel 频率倒谱系数（MFCC） | 第23-24页 |
| ·语音识别的模板训练方法 | 第24-25页 |
| ·语音识别的模板匹配方法 | 第25-27页 |
| 第3章 HMM语音识别研究 | 第27-38页 |
| ·HMM的定义 | 第27-28页 |
| ·基于HMM语音识别的研究 | 第28-33页 |
| ·HMM模型的三个基本问题 | 第28页 |
| ·HMM模型基本问题的解决方案 | 第28-33页 |
| ·HMM算法实现中的问题 | 第33-38页 |
| ·初始模型的选取 | 第33-34页 |
| ·多观察值序列训练 | 第34-35页 |
| ·数据下溢问题 | 第35-38页 |
| 第4章 基于人工神经网络的语音识别研究 | 第38-55页 |
| ·人工神经网络概述 | 第39-40页 |
| ·人工神经网络的构成 | 第40-42页 |
| ·神经元 | 第40-41页 |
| ·网络拓扑结构 | 第41页 |
| ·网络实验算法 | 第41-42页 |
| ·几种模式识别方式的神经网络及其算法 | 第42-47页 |
| ·单层感知器 | 第42-44页 |
| ·双层感知器 | 第44-46页 |
| ·多层感知器 | 第46-47页 |
| ·径向基函数神经网络 | 第47-53页 |
| ·RBF神经网络的网络结构 | 第47-48页 |
| ·RBF神经网络的优势 | 第48-50页 |
| ·RBF神经网络的实验算法 | 第50-53页 |
| ·RBF神经网络的语音识别系统设计 | 第53-55页 |
| 第5章 仿真实验与结果分析 | 第55-57页 |
| ·语音信号的获取和数据库的建立 | 第55页 |
| ·语音信号的预处理 | 第55页 |
| ·语音信号的特征提取 | 第55-56页 |
| ·系统性能分析 | 第56-57页 |
| ·算法的准确性测试 | 第56页 |
| ·算法的抗噪性测试 | 第56-57页 |
| 第6章 结论与展望 | 第57-58页 |
| 参考文献 | 第58-60页 |
| 攻读硕士学位期间发表的论文 | 第60-61页 |
| 致谢 | 第61-62页 |
