摘要 | 第1-21页 |
Abstract | 第21-23页 |
第一章 绪论 | 第23-27页 |
·智能机器人语音技术概述及现状 | 第23-24页 |
·智能机器人语音技术简介 | 第23页 |
·国内外智能机器人语音技术发展现状 | 第23-24页 |
·智能语音机器人语音技术发展方向 | 第24-25页 |
·语音识别技术 | 第24-25页 |
·论文研究的背景及主要研究内容 | 第25-27页 |
·课题研究的背景 | 第25-26页 |
·本文的主要研究内容 | 第26-27页 |
第二章 语音合成的基础理论知识 | 第27-36页 |
·引言 | 第27页 |
·发音语音学 | 第27-28页 |
·声学语音学 | 第28-30页 |
·音色 | 第28-29页 |
·音高 | 第29页 |
·音强 | 第29-30页 |
·音长 | 第30页 |
·听觉语音学 | 第30-31页 |
·响度 | 第30-31页 |
·音调 | 第31页 |
·汉语语音学基础 | 第31-32页 |
·音素和音节 | 第31-32页 |
·元音和辅音 | 第32页 |
·声母和韵母 | 第32页 |
·汉语语音的主要特点 | 第32页 |
·语音信号产生模型 | 第32-35页 |
·语音信号产生的物理模型 | 第33页 |
·激励模型 | 第33-34页 |
·声道模型 | 第34页 |
·完整的语音信号数字模型 | 第34-35页 |
·小结 | 第35-36页 |
第三章 语音合成技术介绍 | 第36-44页 |
·语音合成技术的分类 | 第36-38页 |
·基于合成单元的分类 | 第36页 |
·基于合成模型的分类 | 第36-37页 |
·按照人类言语功能的层次分类 | 第37-38页 |
·当前使用的几种主要的语音合成技术 | 第38-42页 |
·共振峰合成 | 第38-39页 |
·LPC(线性预测)参数合成 | 第39页 |
·POSLA合成 | 第39-42页 |
·LMA(对数振幅近似)声道模型 | 第42页 |
·语音合成技术的基本术语 | 第42-43页 |
·小结 | 第43-44页 |
第四章 汉语语音合成的实现 | 第44-59页 |
·引言 | 第44页 |
·波形合成 | 第44-47页 |
·WAVE文件的格式 | 第44-45页 |
·WAVE文件的合成 | 第45页 |
·小结 | 第45-47页 |
·线性预测合成(LPC)技术原理 | 第47-51页 |
·语音合成的简化模型 | 第47-48页 |
·线性预测(LPC)原理 | 第48-51页 |
·基音周期的检测 | 第51-54页 |
·浊音的基音周期检测 | 第51-53页 |
·清音的自相关函数 | 第53-54页 |
·基于LPC的汉语语音合成 | 第54-58页 |
·清浊音的合成结果 | 第56-57页 |
·合成结果分析 | 第57-58页 |
·小结 | 第58-59页 |
第五章 对智能机器人语音识别技术的讨论 | 第59-64页 |
·引言 | 第59页 |
·语音识别技术概述 | 第59页 |
·当前语音识别技术 | 第59-62页 |
·语音识别基本原理 | 第60页 |
·用于语音识别的信号处理及分析方法 | 第60-61页 |
·基于隐马尔柯夫模型(HMM)方式的语音识别技 | 第61-62页 |
·语音识别技术在智能语音机器人的应用 | 第62-63页 |
·智能机器人语音识别开发和研究的重点及发展趋势 | 第63-64页 |
第六章 嵌入式TTS汉语语音系统 | 第64-68页 |
·嵌入式TTS汉语语音系统简介 | 第64页 |
·电话智能语音中心 | 第64页 |
·TTS语音服务器方案 | 第64页 |
·支持嵌入式系统的TTS技术 | 第64-65页 |
·TTS系统主要需解决两个问题 | 第65-66页 |
·嵌入式TTS的应用前景 | 第66-68页 |
第七章 基于MICROSOFT的TTS引擎的演示程序说明 | 第68-73页 |
·TTS引擎 | 第68-69页 |
·部分程序代码 | 第69-72页 |
·小结 | 第72-73页 |
第八章 本文总结及展望 | 第73-75页 |
·本文总结 | 第73页 |
·智能语音机器人语音技术发展展望 | 第73-75页 |
致谢 | 第75-76页 |
参考文献 | 第76-78页 |
附录:研究生阶段参与的项目和论文发表情况 | 第78-79页 |
原创性声明 | 第79页 |
关于学位论文使用授权的声明 | 第79页 |