| 第一章 绪 论 | 第7-13页 |
| 1.1 语音识别概述 | 第7-11页 |
| 1.1.1 语音识别发展历史 | 第8页 |
| 1.1.2 语音识别系统 | 第8-10页 |
| 1.1.3 语音识别的难点 | 第10-11页 |
| 1.2 语音识别--声调识别理论基础及现状 | 第11-12页 |
| 1.3 本文的研究内容和方法 | 第12页 |
| 1.4 本章小结 | 第12-13页 |
| 第二章 基音提取及音节分割 | 第13-30页 |
| 2.1 基音提取原理 | 第13-21页 |
| 2.1.1 语音信号预处理 | 第15-17页 |
| 2.1.2 自相关法和平均幅度差法相结合提取基音 | 第17-20页 |
| 2.1.3 插值平滑 | 第20-21页 |
| 2.2 音节分割原理 | 第21-27页 |
| 2.2.1 清浊判决 | 第22页 |
| 2.2.2 周期性判断 | 第22-23页 |
| 2.2.3 音节分割 | 第23-27页 |
| 2.3 基音提取及音节分割的算法与实验结论 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 声调识别原理 | 第30-38页 |
| 3.1 声调模式 | 第30页 |
| 3.2 声调识别概述 | 第30-31页 |
| 3.3 声调模糊识别原理 | 第31-37页 |
| 3.3.1 特征提取 | 第31-32页 |
| 3.3.2 声调模式分析 | 第32页 |
| 3.3.3 模糊识别算法 | 第32-37页 |
| 3.4 本章小结 | 第37-38页 |
| 第四章 基于动态时间规整和改进神经网络的声调识别算法 | 第38-68页 |
| 4.1 动态时间规整 | 第38-42页 |
| 4.1.1 识别系统方案 | 第38-39页 |
| 4.1.2 时间规整网络结构 | 第39-41页 |
| 4.1.3 时间规整网络算法 | 第41-42页 |
| 4.2 人工神经网络概述 | 第42-43页 |
| 4.3 人工神经元网络基本原理 | 第43-51页 |
| 4.3.1 人工神经元 | 第43-46页 |
| 4.3.2 人工神经元网络模型 | 第46-47页 |
| 4.3.3 人工神经元网络的学习过程 | 第47-48页 |
| 4.3.4 人工神经元网络的学习规则 | 第48-49页 |
| 4.3.5 Delta学习规则 | 第49-51页 |
| 4.4 多层网络的误差逆传播校正方法 | 第51-59页 |
| 4.4.1 误差逆传播校正方法 | 第51-55页 |
| 4.4.2 BP网络的学习规则与计算方法 | 第55-59页 |
| 4.5 BP网络的设计分析及其改进方案 | 第59-63页 |
| 4.5.1 BP网络的设计分析 | 第59-61页 |
| 4.5.2 BP网络的改进方案 | 第61-63页 |
| 4.6 基于改进的BP网络的算法实现 | 第63-67页 |
| 4.7 本章小结 | 第67-68页 |
| 第五章 实验结果与分析 | 第68-80页 |
| 5.1 基于动态时间规整和改进的神经网络算法 | 第68-75页 |
| 5.1.1 神经网络隐含层神经元数的选择 | 第68-72页 |
| 5.1.2 基于动态时间规整和改进神经网络算法实验结果分析 | 第72-75页 |
| 5.2 基于动态时间规整和改进的神经网络算法与其它识别方法 性能比较 | 第75-77页 |
| 5.3 结论 | 第77-79页 |
| 5.4 本章小结 | 第79-80页 |
| 第六章 全文总结 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-87页 |
| 摘要 | 第87-89页 |
| Abstract | 第89页 |
