基于小波和PNCC特征参数的语音识别技术研究
| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题研究的背景与意义 | 第10-12页 |
| 1.2 语音识别技术研究现状 | 第12-14页 |
| 1.2.1 特征参数提取领域研究现状 | 第12-13页 |
| 1.2.2 语音增强领域研究现状 | 第13页 |
| 1.2.3 模型补偿领域研究现状 | 第13页 |
| 1.2.4 语音识别领域研究现状 | 第13-14页 |
| 1.2.5 难点与不足 | 第14页 |
| 1.3 论文的主要研究内容及组织结构 | 第14-16页 |
| 2 语音识别技术的基本理论 | 第16-26页 |
| 2.1 语音识别技术基本原理及框架 | 第16页 |
| 2.2 语音信号预处理 | 第16-20页 |
| 2.2.1 语音信号的预滤波 | 第17页 |
| 2.2.2 语音信号的采样与量化 | 第17页 |
| 2.2.3 语音信号的预加重 | 第17页 |
| 2.2.4 语音信号的加窗分帧 | 第17-18页 |
| 2.2.5 语音信号的端点检测 | 第18-20页 |
| 2.3 语音信号的特征参数 | 第20-21页 |
| 2.3.1 语音信号的特征参数选择标准 | 第20页 |
| 2.3.2 语音信号特征参数的分类 | 第20-21页 |
| 2.4 语音信号的识别模型 | 第21-25页 |
| 2.4.1 矢量量化模型 | 第21-22页 |
| 2.4.2 动态时间规整模型 | 第22-23页 |
| 2.4.3 隐马尔科夫模型 | 第23-24页 |
| 2.4.4 人工神经网络模型 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 3 语音识别的特征参数提取 | 第26-36页 |
| 3.1 线性预测倒谱系数LPCC | 第26-27页 |
| 3.2 梅尔倒谱系数MFCC | 第27-28页 |
| 3.3 能量规整谱系数PNCC | 第28-30页 |
| 3.4 基于小波改进的PNCC特征参数提取 | 第30-35页 |
| 3.4.1 频率变换理论 | 第30-32页 |
| 3.4.2 基于小波变换的PNCC语音特征改进 | 第32-33页 |
| 3.4.3 改进的PNCC语音特征提取算法 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于BP神经网络的语音识别 | 第36-50页 |
| 4.1 BP神经网络 | 第36页 |
| 4.2 基于BP神经网络的语音识别算法 | 第36-41页 |
| 4.3 实验仿真与分析 | 第41-49页 |
| 4.3.1 实验准备 | 第41-42页 |
| 4.3.2 实验内容 | 第42页 |
| 4.3.3 实验结果及分析 | 第42-49页 |
| 4.4 本章小结 | 第49-50页 |
| 5 总结与展望 | 第50-52页 |
| 5.1 总结 | 第50页 |
| 5.2 研究展望 | 第50-52页 |
| 致谢 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 附录 | 第58页 |
| A.作者在攻读学位期间取得的科研成果目录 | 第58页 |
| B.作者在攻读学位期间参与的科研项目 | 第58页 |
