| 第一章 绪论 | 第1-17页 |
| 1．1 研究的背景和意义 | 第9-10页 |
| 1．2 语音识别简史和国内外研究现状 | 第10-14页 |
| 1．2．1 语音识别简史 | 第10-12页 |
| 1．2．2 语音识别研究现状 | 第12-14页 |
| 1．3 本文的研究目标、主要贡献和内容组织 | 第14-17页 |
| 第二章 汉语语言系统的信源特性 | 第17-26页 |
| 2．1 引言 | 第17页 |
| 2．2 用通信系统理论分析汉语的结构特点 | 第17-23页 |
| 2．2．1 从通信系统的性能分析看语言系统的评价准则 | 第17-19页 |
| 2．2．2 关于汉语的基本信源符号 | 第19-21页 |
| 2．2．3 汉语的载信能力 | 第21-23页 |
| 2．3 汉语语音结构的特征 | 第23-25页 |
| 2．4 本章小结 | 第25-26页 |
| 第三章 矢量的线上投影表示法 | 第26-43页 |
| 3．1 引言 | 第26-27页 |
| 3．2 矢量的线上投影表示法（VP）基本原理 | 第27-29页 |
| 3．3 矢量的线上投影表示法（VP）码书设计 | 第29-30页 |
| 3．4 线上投影表示的编码算法 | 第30-31页 |
| 3．5 矢量线上投影表示法精度的理论分析 | 第31-39页 |
| 3．6 实验结果 | 第39-41页 |
| 3．6．1 脑电图（EEG）数据压缩实验 | 第39-40页 |
| 3．6．2 语音识别用特征矢量MFCC压缩编码表示实验 | 第40-41页 |
| 3．7 本章小结 | 第41-43页 |
| 第四章 噪声环境下语音变异补偿的研究 | 第43-54页 |
| 4．1 引言 | 第43-45页 |
| 4．2 基于训练的加性噪声补偿原理 | 第45-47页 |
| 4．3 Lombard和Loud变异语音的补偿原则 | 第47-49页 |
| 4．4 噪声和语音变异的联合训练补偿 | 第49-50页 |
| 4．5 实验结果 | 第50-53页 |
| 4．5．1 实验条件 | 第50-51页 |
| 4．5．2 实验结果 | 第51-53页 |
| 4．6 本章小结 | 第53-54页 |
| 第五章 语音识别拒识算法及应用研究 | 第54-65页 |
| 5．1 引言 | 第54-55页 |
| 5．2 隐马尔可夫模型状态及状态驻留相关的声学置信量度 | 第55-58页 |
| 5．2．1 状态与特征矢量相关的两种声学置信准则 | 第55-56页 |
| 5．2．2 状态驻留分布相关法声学置信准则 | 第56-58页 |
| 5．3 基于汉语音节特点的部分拒识原则在语音识别搜索算法中的应用 | 第58-61页 |
| 5．3．1 连续语流中汉语语音的音节结构特点和可采用的拒识策略 | 第58-59页 |
| 5．3．2 基于部分匹配拒识原则的N—Best改进算法 | 第59-60页 |
| 5．3．3 算法复杂度改进分析 | 第60-61页 |
| 5．4 实验结果 | 第61-64页 |
| 5．4．1 拒识准则有效性实验 | 第61-62页 |
| 5．4．2 采用部分拒识准则的连续汉语数字识别实验 | 第62-64页 |
| 5．5 本章小结 | 第64-65页 |
| 第六章 汉语统计语言模型研究 | 第65-78页 |
| 6．1 引言 | 第65-67页 |
| 6．2 一种扩展的汉语统计二元文法语言模型 | 第67-72页 |
| 6．2．1 二元文法模型基本系统的描述 | 第67-68页 |
| 6．2．2 长距离词对信息的获取方法 | 第68-69页 |
| 6．2．3 词对和词组合信息和二元模型的有效结合依据 | 第69-70页 |
| 6．2．4 合乎要求词对信息搜索 | 第70-71页 |
| 6．2．5 实验结果 | 第71-72页 |
| 6．3 一种结合汉语音节音联信息的统计语言模型新方法 | 第72-77页 |
| 6．3．1 声学模型部分描述及无话模型 | 第73-74页 |
| 6．3．2 利用无话模型的状态驻留 | 第74-75页 |
| 6．3．2．1 无话模型的模型驻留对词转移概率的影响 | 第74页 |
| 6．3．2．2 d_（max）的确定 | 第74-75页 |
| 6．3．3 例外情况 | 第75-76页 |
| 6．3．4 实验结果 | 第76-77页 |
| 6．4 本章小结 | 第77-78页 |
| 结束语 | 第78-81页 |
| 致 谢 | 第81-82页 |
| 参考文献 | 第82-93页 |
| 攻读博士学位期间发表的论文和著作 | 第93页 |
