面向智能家居的有限口令识别
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第16-20页 |
| 1.1 课题背景及研究意义 | 第16-17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 论文主要研究内容及章节安排 | 第19-20页 |
| 第二章 口令的采集、预处理及特征提取 | 第20-38页 |
| 2.1 实验数据的采集 | 第20-23页 |
| 2.2 语音信号的预处理 | 第23-32页 |
| 2.2.1 多子带谱减法 | 第23-27页 |
| 2.2.2 预加重 | 第27页 |
| 2.2.3 分帧加窗 | 第27-28页 |
| 2.2.4 端点检测 | 第28-32页 |
| 2.3 语音信号的特征参数提取 | 第32-37页 |
| 2.3.1 基音周期 | 第33-34页 |
| 2.3.2 MFCC参数 | 第34-37页 |
| 2.4 动态差分参数的计算 | 第37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 基于DTW算法的有限口令识别 | 第38-48页 |
| 3.1 DTW算法基本原理 | 第38-40页 |
| 3.1.1 动态规划 | 第39-40页 |
| 3.1.2 改进的DTW算法 | 第40页 |
| 3.2 基于DTW算法的语音口令模板训练 | 第40-41页 |
| 3.3 并行计算 | 第41-42页 |
| 3.4 实验结果和分析 | 第42-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于GMM算法的有限口令识别 | 第48-55页 |
| 4.1 GMM算法基本原理 | 第48-49页 |
| 4.2 基于GMM算法的语音口令模型训练 | 第49-50页 |
| 4.3 训练过程的改进 | 第50页 |
| 4.4 实验结果和分析 | 第50-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 基于连续HMM算法的有限口令识别 | 第55-70页 |
| 5.1 HMM算法基本原理 | 第55-60页 |
| 5.1.1 HMM的定义 | 第55-56页 |
| 5.1.2 HMM基本算法 | 第56-60页 |
| 5.2 基于HMM算法的语音口令模型训练 | 第60-62页 |
| 5.3 训练过程的改进 | 第62页 |
| 5.4 实验结果和分析 | 第62-68页 |
| 5.5 三种识别算法的比较 | 第68-69页 |
| 5.6 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 结论 | 第70-71页 |
| 6.2 展望 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77-78页 |
| 作者简介及读研期间主要科研成果 | 第78页 |
