| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·本文课题的研究背景及意义 | 第9-10页 |
| ·语音识别技术的现状及其发展趋势 | 第10-12页 |
| ·关于语音识别技术的概述 | 第10-11页 |
| ·语音识别技术的发展 | 第11-12页 |
| ·论文的研究内容与组织结构 | 第12-13页 |
| ·论文的研究内容 | 第12页 |
| ·论文的章节安排 | 第12-13页 |
| 第二章 语音识别系统 | 第13-32页 |
| ·语音识别系统原理及其组成 | 第13-14页 |
| ·选取语音识别基元 | 第14-18页 |
| ·对语音信号的预处理 | 第18-22页 |
| ·语音信号的放大和增益控制 | 第18-19页 |
| ·语音信号的反混叠滤波处理 | 第19-20页 |
| ·将语音信号数字化 | 第20-21页 |
| ·预加重 | 第21页 |
| ·分帧加窗处理 | 第21-22页 |
| ·语音信号的特征 | 第22-25页 |
| ·语音信号的时域特征 | 第22-23页 |
| ·短时平均能量 | 第23-25页 |
| ·短时过零率 | 第25页 |
| ·频域特征提取 | 第25-27页 |
| ·LPC 倒谱系数 | 第25页 |
| ·Mel 频率倒谱系数(MFCC) | 第25-26页 |
| ·过零峰值幅度(ZCPA) | 第26-27页 |
| ·模板匹配技术 | 第27-31页 |
| ·模板匹配技术的相似性度量 | 第27-28页 |
| ·动态时间规整 DTW 算法 | 第28-30页 |
| ·隐马尔柯夫模型 Hidden Markov Model，HMM 技术 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于 HMM 模型的识别系统的设计 | 第32-43页 |
| ·隐马尔可夫模型 | 第32-35页 |
| ·HMM 模型的基本思想 | 第32页 |
| ·三个基本问题的提出 | 第32-33页 |
| ·HMM 基本算法 | 第33页 |
| ·前向-后向算法 | 第33页 |
| ·Viterbi 算法 | 第33-34页 |
| ·Baum-Welch 算法 | 第34-35页 |
| ·语音识别系统中对 HMM 模型的应用 | 第35-37页 |
| ·HMM 中的孤立词与连接词识别 | 第35-36页 |
| ·声学 HMM 模型的定义 | 第36-37页 |
| ·Baum-Welch 算法在 HMM 模型训练的运用 | 第37-40页 |
| ·模型识别 | 第39-40页 |
| ·实验结果及其分析 | 第40-42页 |
| ·词汇表的构建 | 第40页 |
| ·训练集和测试集的构建 | 第40-41页 |
| ·对实验结果的分析 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 噪声对系统的影响分析 | 第43-52页 |
| ·噪声环境下的语音识别 | 第43-47页 |
| ·带噪声的语音 | 第43页 |
| ·语音增强技术 | 第43-47页 |
| ·提取噪声环境下的语音特征 | 第47-49页 |
| ·人耳的听觉特性 | 第47-48页 |
| ·掩蔽效应 | 第48-49页 |
| ·带背景噪声中的识别方法 | 第49-50页 |
| ·计算掩蔽门限 | 第49-50页 |
| ·提取含有背景噪声语音中的特征值 | 第50页 |
| ·实验结果及分析 | 第50-51页 |
| ·实验结果 | 第50-51页 |
| ·实验分析 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第五章 总结及展望 | 第52-54页 |
| ·论文工作总结 | 第52页 |
| ·课题工作展望 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间的研究成果 | 第57-58页 |