摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第9-13页 |
1.1 语音识别系统的研究背景 | 第9页 |
1.2 国内外研究现状 | 第9-11页 |
1.2.1 语音识别发展历史 | 第9-10页 |
1.2.2 语音识别发展现状 | 第10-11页 |
1.3 语音识别系统面临的问题 | 第11页 |
1.4 论文主要工作和内容安排 | 第11-13页 |
第二章 语音识别系统及系统介绍 | 第13-25页 |
2.1 语音识别系统概述 | 第13-15页 |
2.1.1 语音识别系统分类 | 第13页 |
2.1.2 语音识别系统结构 | 第13-15页 |
2.1.3 语音识别系统性能评价 | 第15页 |
2.2 语音信号预处理 | 第15-18页 |
2.2.1 数字化 | 第15-16页 |
2.2.2 预加重 | 第16页 |
2.2.3 分帧加窗 | 第16-17页 |
2.2.4 端点检测 | 第17-18页 |
2.3 鲁棒语音识别 | 第18-20页 |
2.3.1 信号空间 | 第19页 |
2.3.2 特征空间 | 第19-20页 |
2.3.3 模型空间 | 第20页 |
2.4 基于ARM A8的嵌入式语音识别系统 | 第20-23页 |
2.4.1 系统硬件平台 | 第21页 |
2.4.2 系统性能 | 第21-22页 |
2.4.3 国内同类硬件平台系统对比 | 第22-23页 |
2.5 本章小结 | 第23-25页 |
第三章 基于系统软硬件资源的优化 | 第25-51页 |
3.1 基于ARM A8的硬件开发环境 | 第25-27页 |
3.1.1 Devkit8500开发板简介 | 第25页 |
3.1.2 ARM A8架构分析 | 第25-26页 |
3.1.3 嵌入式Linux操作系统 | 第26-27页 |
3.1.4 交叉编译环境 | 第27页 |
3.2 基于VTS特征补偿的孤立词识别系统的C平台软件框架 | 第27-33页 |
3.2.1 语音采集模块 | 第28-29页 |
3.2.2 预处理模块 | 第29-30页 |
3.2.3 MFCC特征参数提取 | 第30-31页 |
3.2.4 VTS特征补偿模块 | 第31页 |
3.2.5 HMM模型匹配模块 | 第31-32页 |
3.2.6 串口通信模块 | 第32-33页 |
3.3 基于硬件平台特点的优化 | 第33-36页 |
3.3.1 协处理器NEON | 第33-34页 |
3.3.2 精度转换 | 第34-36页 |
3.4 基于软件资源的优化 | 第36-42页 |
3.4.1 程序结构优化调整 | 第36-37页 |
3.4.2 代码优化 | 第37-41页 |
3.4.3 离线初始化 | 第41-42页 |
3.5 优化后的实验结果及分析 | 第42-49页 |
3.5.1 测试方案设计 | 第42-43页 |
3.5.2 基于硬件平台特点优化后的实验结果与分析 | 第43-44页 |
3.5.3 基于软件资源优化后的实验结果及分析 | 第44-47页 |
3.5.4 基于软硬件资源优化后系统性能对比 | 第47-49页 |
3.6 本章小结 | 第49-51页 |
第四章 基于语音识别算法的优化 | 第51-71页 |
4.1 基于Fisher比准则的特征参数选择 | 第51-58页 |
4.1.1 Mel频率倒谱系数 | 第51-52页 |
4.1.2 Fisher比 | 第52-53页 |
4.1.3 MFCC系数中不同维变量的Fisher分析 | 第53-58页 |
4.2 基于Viterbi算法的优化 | 第58-64页 |
4.2.1 隐马尔可夫模型简介 | 第58-59页 |
4.2.2 Viterbi算法简介 | 第59-60页 |
4.2.3 最近邻估计法 | 第60-61页 |
4.2.4 使用最近邻估计法优化后的实验结果及分析 | 第61-64页 |
4.3 关于矢量泰勒级数补偿算法的优化 | 第64-70页 |
4.3.1 基于矢量泰勒级数的特征补偿算法简介 | 第64-66页 |
4.3.2 静态参数调整 | 第66-70页 |
4.4 本章小结 | 第70-71页 |
第五章 总结与展望 | 第71-73页 |
5.1 全文总结 | 第71页 |
5.2 研究展望 | 第71-73页 |
致谢 | 第73-75页 |
参考文献 | 第75-79页 |
攻读硕士学位期间参加的科研项目和完成的论文 | 第79页 |