首页--工业技术论文--无线电电子学、电信技术论文--通信论文--电声技术和语音信号处理论文--语音信号处理论文

基于HMM和ANN的汉语语音识别

第1章 绪论第1-34页
 1.1 选题的目的和意义第13-15页
 1.2 语音识别的基本概念和相关理论第15-26页
  1.2.1 语音识别的基本概念第15-16页
  1.2.2 语音识别原理和系统的组成第16-23页
  1.2.3 语音信号分析及特征提取第23-26页
 1.3 语音识别技术的发展和现状第26-30页
  1.3.1 国际语音识别技术的发展第26-29页
  1.3.2 国内语音识别技术的发展第29-30页
 1.4 目前存在的问题和发展方向第30-32页
 1.5 本文主要研究内容第32-34页
第2章 语音识别特征参数的提取第34-52页
 2.1 引言第34页
 2.2 线性预测倒谱系数(LPCC)的求解第34-41页
  2.2.1 线性预测倒谱系数(LPCC)分析第34-40页
  2.2.2 仿真实验第40-41页
 2.3 MFCC参数的快速提取算法第41-44页
  2.3.1 MFCC参数分析第41-44页
  2.3.2 仿真实验第44页
 2.4 线谱频率参数的快速提取算法第44-51页
  2.4.1 线谱频率分析第45-46页
  2.4.2 求解线谱频率的常用算法第46-47页
  2.4.3 求解线谱频率的快速算法第47-50页
  2.4.4 仿真实验第50-51页
 2.5 本章小结第51-52页
第3章 神经网络语音识别算法第52-77页
 3.1 引言第52-53页
 3.2 基于 HMM和 SOFM混合模型的语音识别第53-66页
  3.2.1 隐马尔可夫模型第54-61页
  3.2.2 自组织特征映射神经网络第61-64页
  3.2.3 HMM与 SOFM混合模型第64-65页
  3.2.4 仿真实验第65-66页
 3.3 模糊神经网络语音识别第66-75页
  3.3.1 模糊理论第66-67页
  3.3.2 模糊神经网络第67-69页
  3.3.3 模糊神经网络语音识别第69-71页
  3.3.4 BP神经网络第71-72页
  3.3.5 仿真实验第72-75页
 3.4 CDHMM/SOFM与模糊神经网络分类模型比较第75-76页
 3.5 本章小结第76-77页
第4章 基于神经网络的说话人识别第77-98页
 4.1 引言第77-79页
 4.2 基于 SOFM-PNN混合模型的说话人识别第79-87页
  4.2.1 GMM分类器第79-82页
  4.2.2 概率神经网络第82-84页
  4.2.3 SOFM-PNN混合神经网络分类器第84-85页
  4.2.4 仿真实验第85-87页
 4.3 基于遗传神经网络的说话人识别第87-96页
  4.3.1 遗传算法第88-89页
  4.3.2 矢量量化第89-92页
  4.3.3 遗传矢量量化(GAVQ)算法第92-93页
  4.3.4 RBF神经网络及遗传 RBF神经网络第93-95页
  4.3.5 仿真实验第95-96页
 4.4 SOFM-PNN与GA-RBF的比较第96-97页
 4.5 本章小结第97-98页
第5章 基于机理隐马尔可夫模型的语音识别第98-113页
 5.1 引言第98-99页
 5.2 齐次隐马尔可夫模型的局限性第99-100页
 5.3 Baum-Welch迭代算法的分析第100-102页
 5.4 依据发音机理来建立 MBHMM参数模型第102-106页
  5.4.1 依据发音机理来确定非齐次的A_ij(n)参数模型第102-106页
  5.4.2 构建B_ij参数模型的方法第106页
 5.5 若干参数选择的讨论第106-109页
  5.5.1 切分段数的讨论第106-108页
  5.5.2 音元状态个数选择的讨论第108页
  5.5.3 飘动位数的讨论第108-109页
 5.6 计算程序框图第109-110页
 5.7 仿真实验第110-112页
 5.8 本章小结第112-113页
结论第113-116页
参考文献第116-128页
攻读博士学位期间发表的论文第128-130页
致谢第130-131页
个人简历第131页

论文共131页,点击 下载论文
上一篇:河南粮油集团工资制度研究
下一篇:山脚树矿实现高产高效的研究