噪声环境下语音识别系统研究
| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-17页 |
| ·语音识别的发展历史及现状 | 第12-13页 |
| ·语音识别系统的分类与结构 | 第13-14页 |
| ·语音识别系统的分类 | 第13页 |
| ·语音识别系统的结构 | 第13-14页 |
| ·语音识别的主要算法 | 第14-15页 |
| ·语音识别面临的问题 | 第15-16页 |
| ·论文结构 | 第16-17页 |
| 第2章 语音识别的基本原理 | 第17-39页 |
| ·语音信号的预处理 | 第17-21页 |
| ·语音信号的数字化 | 第17页 |
| ·语音信号的预加重 | 第17-18页 |
| ·语音信号的加窗分帧 | 第18-19页 |
| ·语音信号的端点检测 | 第19-21页 |
| ·短时能量与短时平均幅度 | 第19-20页 |
| ·短时平均过零率 | 第20页 |
| ·短时自相关函数 | 第20-21页 |
| ·语音特征参数提取 | 第21-28页 |
| ·线性预测系数 | 第22-25页 |
| ·线性预测倒谱系数 | 第25页 |
| ·Mel频率倒谱系数 | 第25-28页 |
| ·语音的训练和识别方法 | 第28-31页 |
| ·动态时间规整识别技术 | 第28-30页 |
| ·模板训练方法 | 第30-31页 |
| ·偶然性训练法 | 第31页 |
| ·鲁棒性训练法 | 第31页 |
| ·聚类训练法 | 第31页 |
| ·隐马尔可夫模型 | 第31-39页 |
| ·隐马尔可夫模型的基本概念 | 第31-33页 |
| ·隐马尔可夫模型的三个基本问题 | 第33-34页 |
| ·HMM算法介绍 | 第34-37页 |
| ·前向—后向算法 | 第34-35页 |
| ·Viterbi算法 | 第35页 |
| ·Baum-Welch算法 | 第35-37页 |
| ·HMM的类型 | 第37-39页 |
| 第3章 抗噪语音识别技术 | 第39-46页 |
| ·噪声的特性 | 第39-40页 |
| ·加性噪声和乘性噪声 | 第39页 |
| ·平稳噪声、缓变噪声与非平稳噪声 | 第39-40页 |
| ·噪声对语音的影响 | 第40页 |
| ·噪声环境下语音识别技术 | 第40-46页 |
| ·抗噪声语音特征 | 第40-43页 |
| ·语音增强 | 第43-44页 |
| ·谱减法 | 第43页 |
| ·Weiner滤波 | 第43-44页 |
| ·噪声环境下模型补偿法 | 第44-46页 |
| 第4章 语音识别系统仿真及算法改进 | 第46-61页 |
| ·系统仿真 | 第46-53页 |
| ·语音信号预处理 | 第46-47页 |
| ·语音特征参数提取 | 第47-49页 |
| ·HMM模型的实现方案 | 第49-53页 |
| ·语音识别系统界面设计 | 第53-54页 |
| ·算法的改进与实现 | 第54-61页 |
| ·端点检测算法 | 第55-58页 |
| ·元音的特性 | 第55-56页 |
| ·短时自相关法 | 第56页 |
| ·短时互相关法基本原理 | 第56-57页 |
| ·抗噪声性能分析 | 第57-58页 |
| ·实际语音端点的检测算法 | 第58页 |
| ·仿真实验 | 第58-61页 |
| ·测试数据与噪声 | 第58-59页 |
| ·仿真实验结果 | 第59-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第66页 |
