| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 第1章 绪论 | 第10-16页 |
| ·选题背景及意义 | 第10-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·研究的主要内容及论文结构 | 第13-15页 |
| ·本章小结 | 第15-16页 |
| 第2章 语音识别原理 | 第16-21页 |
| ·语音识别原理和识别系统系统 | 第16页 |
| ·语音信号处理 | 第16-17页 |
| ·常用语音识别模式匹配方法介绍 | 第17-19页 |
| ·样本匹配法 | 第17-18页 |
| ·以知识准则为基础的判决系统 | 第18页 |
| ·隐含马尔科夫模型(HMM) | 第18页 |
| ·神经网络 | 第18-19页 |
| ·机器人识别系统 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 工业机器人语音识别抗噪性研究 | 第21-34页 |
| ·工业机器人的语音识别系统 | 第21页 |
| ·语音的抗噪特征提取 | 第21-24页 |
| ·MFCC计算 | 第22页 |
| ·听觉掩蔽效应对MFCC系数的影响 | 第22-24页 |
| ·倒谱归一化 | 第24页 |
| ·基于BarkmelMFCC与倒谱差分的特征提取 | 第24-25页 |
| ·RBF全监督训练与学习方法 | 第25-31页 |
| ·RBF神经网络及其应用 | 第25-26页 |
| ·RBF神经网络的拓扑结构 | 第26页 |
| ·RBF神经网络的映射 | 第26-27页 |
| ·RBF神经网络聚类算法 | 第27-28页 |
| ·RBF全监督训练学习算法 | 第28-29页 |
| ·RBF语音训练与学习 | 第29-31页 |
| ·语音识别实验及数据分析 | 第31-33页 |
| ·实验环境 | 第31-32页 |
| ·实验结果与分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 语音增强方法研究 | 第34-55页 |
| ·语音增强方法概述 | 第34页 |
| ·语音增强方法 | 第34-40页 |
| ·噪声特性 | 第34-35页 |
| ·谱减法抗噪 | 第35-37页 |
| ·基于短时对数谱的最小均方误差估计 | 第37-40页 |
| ·工业机器人语音识别增强方法设计 | 第40-52页 |
| ·信号采样与处理总流程 | 第40-42页 |
| ·声音信号的耦合 | 第42页 |
| ·信号频带分析和采样频率的确定 | 第42-44页 |
| ·信号预处理 | 第44-46页 |
| ·与其它信号还原算法比较 | 第46-49页 |
| ·pwelch功率谱估计方法 | 第49页 |
| ·离散小波降噪(Dmey小波) | 第49-50页 |
| ·二次曲线最小二乘拟合语音特征曲线 | 第50页 |
| ·实施流程 | 第50-52页 |
| ·实验分析 | 第52-54页 |
| ·抗噪性语音识别实验 | 第52-53页 |
| ·实验数据分析 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第5章 基于ARM+DSP的语音识别系统实施 | 第55-67页 |
| ·两种不同实现方案的比较 | 第55-60页 |
| ·硬件平台的构建与实施 | 第60-63页 |
| ·对单DSP方案的改进 | 第60-61页 |
| ·DSP设计 | 第61-63页 |
| ·基于RTM(Real time application interface)的实时方案的解决 | 第63-66页 |
| ·Linux的非实时特性 | 第63页 |
| ·几种Linux内核实时方案改造 | 第63-65页 |
| ·基于RTAI的实时Linux解决方案 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 结论与展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 附录 攻读学位期间所发表的学术论文目录 | 第73页 |