| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 前言 | 第8页 |
| 1.2 研究背景 | 第8-10页 |
| 1.3 研究目的意义 | 第10页 |
| 1.4 研究现状 | 第10-11页 |
| 1.5 创新性工作 | 第11页 |
| 1.6 论文结构 | 第11-13页 |
| 第2章 EMA数据库及数据预处理 | 第13-21页 |
| 2.1 数据采集设备 | 第13-16页 |
| 2.1.1 电磁发音仪介绍 | 第13-15页 |
| 2.1.2 数据采集 | 第15-16页 |
| 2.2 生理数据预处理 | 第16-18页 |
| 2.2.1 元音发音介绍 | 第17页 |
| 2.2.2 发音数据预处理 | 第17-18页 |
| 2.3 声学数据预处理 | 第18-20页 |
| 2.3.1 共振峰和元音舌位的关系 | 第18页 |
| 2.3.2 共振峰提取和分析 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 研究方法介绍 | 第21-30页 |
| 3.1 薄板样条插值（Thin-Plate-Spline）方法介绍 | 第21-24页 |
| 3.1.1 Thin-Plate Spline方法原理 | 第21-23页 |
| 3.1.2 Thin-Plate Spline方法在本文中的具体应用 | 第23-24页 |
| 3.2 声道网格系统介绍 | 第24-27页 |
| 3.2.1 声道网格的定义 | 第24-26页 |
| 3.2.2 说话人声道网格线系统的确定 | 第26-27页 |
| 3.3 声道长度归一化方法 | 第27-28页 |
| 3.4 元音归一化方法介绍 | 第28-29页 |
| 3.5 本章小结 | 第29-30页 |
| 第4章 EMA数据归一化实验 | 第30-42页 |
| 4.1 生理空间归一化 | 第30-32页 |
| 4.2 声学空间归一化 | 第32-34页 |
| 4.3 基于深度神经网络（DNN）的发音运动识别 | 第34-41页 |
| 4.3.1 发音运动识别介绍 | 第34-38页 |
| 4.3.2 识别实验数据准备 | 第38-39页 |
| 4.3.3 孤立元音的生理识别 | 第39-41页 |
| 4.3.4 连续EMA数据的生理识别 | 第41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 实验结果分析 | 第42-49页 |
| 5.1 生理空间结果分析 | 第42-43页 |
| 5.2 元音空间发音特性分析 | 第43-44页 |
| 5.3 汉语和日语元音发音比较 | 第44-45页 |
| 5.4 声学空间结果分析 | 第45-47页 |
| 5.5 孤立汉语元音识别结果的分析 | 第47-48页 |
| 5.6 连续汉语识别结果分析 | 第48-49页 |
| 第6章 论文总结展望 | 第49-51页 |
| 6.1 论文总结 | 第49-50页 |
| 6.2 展望 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 发表论文和参加科研情况说明 | 第55-56页 |
| 致谢 | 第56-57页 |
