| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 序论 | 第11-17页 |
| 1.1 引言 | 第11-12页 |
| 1.2 语音识别技术发展历史 | 第12-13页 |
| 1.3 语音识别技术发展现状和前景 | 第13-14页 |
| 1.4 语音识别研究面临的困难 | 第14-15页 |
| 1.5 论文结构安排 | 第15-17页 |
| 第二章 语音识别基本原理 | 第17-28页 |
| 2.1 语音识别系统分类 | 第17页 |
| 2.2 语音识别系统组成 | 第17-19页 |
| 2.3 语音识别关键技术 | 第19-28页 |
| 2.3.1 语音识别单元选取 | 第19-20页 |
| 2.3.2 语音特征参数提取 | 第20-25页 |
| 2.3.3 模式识别技术 | 第25-28页 |
| 第三章 隐马尔可夫模型 | 第28-38页 |
| 3.1 隐马尔可夫模型的定义 | 第28-31页 |
| 3.1.1 离散马尔可夫过程 | 第28-29页 |
| 3.1.2 隐马尔可夫模型的概念 | 第29-30页 |
| 3.1.3 隐马尔可夫模型的参数 | 第30-31页 |
| 3.2 隐马尔可夫模型的三个问题 | 第31-36页 |
| 3.2.1 前向－后向算法 | 第32-34页 |
| 3.2.2 Viterbi 算法 | 第34-35页 |
| 3.2.3 Baum-Welch 算法 | 第35-36页 |
| 3.3 隐马尔可夫模型在语音识别技术中的应用 | 第36-38页 |
| 第四章 中文语音路名查询系统的实现 | 第38-64页 |
| 4.1 HTK 工具包简介 | 第38-42页 |
| 4.1.1 HTK 软件结构 | 第38-40页 |
| 4.1.2 HTK 工具包分类 | 第40-42页 |
| 4.2 中文语音路名查询系统设计分析和实现 | 第42-64页 |
| 4.2.1 准备语音数据 | 第43页 |
| 4.2.2 创建配置文件 | 第43-47页 |
| 4.2.3 选取识别单元 | 第47-49页 |
| 4.2.4 建立HMM 原型 | 第49-51页 |
| 4.2.5 训练声学模型 | 第51-54页 |
| 4.2.6 编写任务语法 | 第54-55页 |
| 4.2.7 编写发音字典 | 第55-56页 |
| 4.2.8 识别测试 | 第56-59页 |
| 4.2.9 分析工具 | 第59-60页 |
| 4.2.10 实验结果 | 第60-64页 |
| 第五章 语言模型的研究和建立 | 第64-80页 |
| 5.1 基于规则的语言模型 | 第64-66页 |
| 5.2 基于词的N-GRAM 统计语言模型 | 第66-68页 |
| 5.3 基于类的N-GRAM 统计语言模型 | 第68-70页 |
| 5.4 统计语言模型的平滑技术 | 第70-73页 |
| 5.4.1 Good-Turing 估计算法 | 第71页 |
| 5.4.2 Katz 回退算法 | 第71-72页 |
| 5.4.3 绝对折扣算法 | 第72-73页 |
| 5.5 语言模型的评价标准 | 第73-74页 |
| 5.6 语言模型实验 | 第74-80页 |
| 5.6.1 Bigram 模型对语音识别系统的影响 | 第74-75页 |
| 5.6.2 语料规模和类别相关实验 | 第75-78页 |
| 5.6.3 基于类的N-gram 模型实验 | 第78页 |
| 5.6.4 语言模型折扣技术实验 | 第78-79页 |
| 5.6.5 语言模型实验总结 | 第79-80页 |
| 第六章 结束语 | 第80-81页 |
| 参考文献 | 第81-83页 |
| 致谢 | 第83-84页 |
| 攻读学位期间发表的学术论文目录 | 第84页 |