| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| 1．1 语音识别概述及其应用 | 第9页 |
| 1．2 语音识别系统简介 | 第9-11页 |
| 1．3 语音识别技术的发展 | 第11-12页 |
| 1．4 语音识别技术研究现状和面临的问题 | 第12-13页 |
| 1．5 本文的主要工作及内容安排 | 第13-15页 |
| 第2章 语音识别的基本原理 | 第15-28页 |
| 2．1 语音识别系统构成 | 第15-16页 |
| 2．2 语音信号的预处理 | 第16-21页 |
| 2．2．1 语音采集 | 第16页 |
| 2．2．2 预加重 | 第16页 |
| 2．2．3 加窗 | 第16-17页 |
| 2．2．4 端点检测 | 第17-21页 |
| 2．3 语音特征参数 | 第21-22页 |
| 2．4 聚类技术的研究 | 第22-24页 |
| 2．4．1 K-均值聚类算法 | 第23页 |
| 2．4．2 LBG算法 | 第23-24页 |
| 2．5 矢量量化技术 | 第24-27页 |
| 2．5．1 矢量量化的失真测度 | 第25-27页 |
| 2．6 本章小结 | 第27-28页 |
| 第3章 语音特征提取方法 | 第28-40页 |
| 3．1 线性预测倒谱系数LPCC的提取方法 | 第28-30页 |
| 3．2 美尔频率倒谱系数MFCC的提取方法 | 第30-32页 |
| 3．3 感知线性预测系数PLPC的提取方法 | 第32-34页 |
| 3．3．1 人耳听觉感知对频率的非线性关系 | 第33页 |
| 3．3．2 响度对频率的非线性特性 | 第33-34页 |
| 3．3．3 响度和声强的关系 | 第34页 |
| 3．4 感知谐波倒谱参数PHCC的提取方法 | 第34-36页 |
| 3．4．1 HCC的提取步骤 | 第34页 |
| 3．4．2 时频自相关 | 第34-36页 |
| 3．4．3 PHCC的提取方法 | 第36页 |
| 3．5 由差分功率谱提取倒谱参数DPSCC的方法 | 第36-38页 |
| 3．5．1 差分功率谱的定义 | 第36-38页 |
| 3．5．2 由差分功率谱提取倒谱参数DPSCC | 第38页 |
| 3．6 其他语音特征参数 | 第38-39页 |
| 3．7 本章小结 | 第39-40页 |
| 第4章 维格纳分布及其应用 | 第40-63页 |
| 4．1 连续时间信号的维格纳分布 | 第41-45页 |
| 4．1．1 连续时间信号的WD定义 | 第41-42页 |
| 4．1．2 连续时间信号WD的性质 | 第42-45页 |
| 4．2 离散时间信号的维格纳分布 | 第45-46页 |
| 4．2．1 Classen的定义 | 第45-46页 |
| 4．2．2 Peyrin的定义 | 第46页 |
| 4．3 离散时间且离散频率的维格纳分布 | 第46-47页 |
| 4．3．1 定义域同一性 | 第47页 |
| 4．3．2 反演性 | 第47页 |
| 4．3．3 求和性 | 第47页 |
| 4．3．4 基本运算 | 第47页 |
| 4．4 维格纳分布的计算 | 第47-52页 |
| 4．4．1 利用FFT计算维格纳分布 | 第48页 |
| 4．4．2 利用DHT计算维格纳分布 | 第48-52页 |
| 4．5 非平稳随机信号的维格纳－威利谱 | 第52-53页 |
| 4．5．1 非平稳连续随机信号的WV谱 | 第52页 |
| 4．5．2 非平稳离散随机信号的WV谱 | 第52-53页 |
| 4．6 维格纳分布在特征提取中的应用 | 第53-62页 |
| 4．6．1 用FFT计算语音信号的WD | 第56-57页 |
| 4．6．2 由语音信号的WD提取语谱图 | 第57-58页 |
| 4．6．3 语音信号WD的积分性质 | 第58-59页 |
| 4．6．4 由语音信号WD提取倒谱参数 | 第59-60页 |
| 4．6．5 对称相关函数法提取倒谱参数 | 第60-62页 |
| 4．7 本章小结 | 第62-63页 |
| 第5章 HMM在语音识别中的应用 | 第63-82页 |
| 5．1 马尔可夫链和马尔可夫过程基本概念 | 第63-64页 |
| 5．2 隐马尔可夫模型 | 第64-66页 |
| 5．3 隐马尔可夫模型的基本问题 | 第66-72页 |
| 5．3．1 概率的计算 | 第66-69页 |
| 5．3．2 最佳状态链的确定 | 第69-70页 |
| 5．3．3 HMM的参数优化问题 | 第70-72页 |
| 5．4 隐马尔可夫模型的类型和结构 | 第72-75页 |
| 5．4．1 按照HMM的状态转移矩阵（A参数）分类 | 第72-73页 |
| 5．4．2 按照HMM的输出概率分布（B参数）分类 | 第73-75页 |
| 5．5 HMM的应用 | 第75-81页 |
| 5．5．1 HMM的初值选择 | 第75-77页 |
| 5．5．2 HMM的模型结构选择 | 第77页 |
| 5．5．3 训练准则选择 | 第77页 |
| 5．5．4 孤立词识别 | 第77-78页 |
| 5．5．5 连接词识别 | 第78-81页 |
| 5．6 本章小结 | 第81-82页 |
| 第6章 仿真实验结果与分析 | 第82-87页 |
| 6．1 语音特征参数提取 | 第83-85页 |
| 6．2 仿真实验结果与分析 | 第85-86页 |
| 6．3 本章小结 | 第86-87页 |
| 结论 | 第87-89页 |
| 参考文献 | 第89-95页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第95-96页 |
| 致谢 | 第96-97页 |
| 作者简介 | 第97页 |