| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-15页 |
| 1.2.1 语音检测技术的研究 | 第13-14页 |
| 1.2.2 儿向语音语料的相关研究 | 第14页 |
| 1.2.3 儿向语音检测算法的研究 | 第14-15页 |
| 1.3 本文主要研究内容 | 第15页 |
| 1.4 本文章节安排 | 第15-17页 |
| 第2章 语音信号处理的相关理论 | 第17-32页 |
| 2.1 语音信号的相关理论 | 第17-21页 |
| 2.1.1 语音信号的产生 | 第17-18页 |
| 2.1.2 语音信号特征 | 第18-21页 |
| 2.1.3 噪声语音模型 | 第21页 |
| 2.2 语音端点检测预处理 | 第21-22页 |
| 2.2.1 预加重和预滤波 | 第21-22页 |
| 2.2.2 分帧及加窗处理 | 第22页 |
| 2.3 汉语儿向语音语料库 | 第22-23页 |
| 2.4 机器学习 | 第23-31页 |
| 2.4.1 决策树 | 第24页 |
| 2.4.2 支持向量机 | 第24-25页 |
| 2.4.3 朴素贝叶斯 | 第25页 |
| 2.4.4 Adaboost算法 | 第25-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于改进谱熵的自适应端点检测算法 | 第32-44页 |
| 3.1 双门限的语音端点检测 | 第32-34页 |
| 3.1.1 过零率 | 第32-34页 |
| 3.2 基于谱减法的端点检测 | 第34-35页 |
| 3.3 基于语音子带特征的端点检测 | 第35-36页 |
| 3.4 基于谱熵的端点检测 | 第36-37页 |
| 3.5 改进算法的端点检测 | 第37-40页 |
| 3.5.1 短时平均能量 | 第38页 |
| 3.5.2 短时平均谱熵 | 第38-40页 |
| 3.6 实验结果分析 | 第40-43页 |
| 3.7 本章小结 | 第43-44页 |
| 第4章 基于Adaboost算法的汉语儿向语音检测模型 | 第44-54页 |
| 4.1 基于SVM的儿向语音检测 | 第44-45页 |
| 4.2 汉语儿向语音检测模型 | 第45-47页 |
| 4.2.1 Adaboost分类器结构 | 第46页 |
| 4.2.2 分类器训练 | 第46-47页 |
| 4.2.3 分类器检测 | 第47页 |
| 4.3 基于改进Adaboost的儿向语音检测算法 | 第47-49页 |
| 4.4 实验结果与分析 | 第49-52页 |
| 4.4.1 实验语音数据 | 第49页 |
| 4.4.2 分类性能分类度量指标 | 第49-50页 |
| 4.4.3 汉语儿向语音和非儿向语音在韵律上的比较 | 第50页 |
| 4.4.4 弱分类器数量对优化算法的结果影响 | 第50页 |
| 4.4.5 语音时长对识别检测正确率的影响 | 第50-51页 |
| 4.4.6 汉语儿向语音检测算法性能对比 | 第51-52页 |
| 4.5 原型系统设计 | 第52-53页 |
| 4.6 本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 附录A 攻读硕士学位期间发表的学术论文 | 第62-63页 |
| 附录B 攻读硕士学位期间所参与的科研 | 第63页 |
