| 第1章 绪论 | 第1-11页 |
| ·语音识别概述 | 第8-9页 |
| ·本课题研究背景 | 第9页 |
| ·本课题研究内容 | 第9-10页 |
| ·本章小结 | 第10-11页 |
| 第2章 语音识别的研究和发展 | 第11-23页 |
| ·语音识别的发展历史 | 第11-14页 |
| ·国外语音识别发展的历史 | 第11-13页 |
| ·我国语音识别发展的历史 | 第13-14页 |
| ·语音识别系统 | 第14-16页 |
| ·语音识别的类型 | 第14-15页 |
| ·语音识别的原理 | 第15-16页 |
| ·语音识别主要方法和技术 | 第16-20页 |
| ·语音识别中存在的问题 | 第20-21页 |
| ·语音识别的发展方向和应用前景 | 第21-22页 |
| ·当今语音识别发展方向 | 第21页 |
| ·语音识别技术的应用前景 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 语音识别基本原理 | 第23-43页 |
| ·语音识别系统的预处理 | 第23-32页 |
| ·语音采样 | 第23页 |
| ·去除噪声 | 第23-28页 |
| ·端点检测的方法 | 第28-30页 |
| ·自动增益控制(AGC) | 第30页 |
| ·预加重 | 第30-31页 |
| ·分帧 | 第31页 |
| ·加窗 | 第31-32页 |
| ·语音识别的特征参数提取 | 第32-36页 |
| ·线性预测系数 | 第33-35页 |
| ·线性预测倒谱系数 | 第35页 |
| ·Mel倒谱系数(MFCC)和感觉加权的线性预测(PLP) | 第35-36页 |
| ·模板训练方法 | 第36-38页 |
| ·偶然性训练法 | 第37页 |
| ·鲁棒性训练法 | 第37页 |
| ·聚类训练法 | 第37-38页 |
| ·模板匹配方法 | 第38-42页 |
| ·动态时间规整 | 第38-40页 |
| ·隐马尔可夫模型 | 第40-41页 |
| ·人工神经网络方法 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 语音识别典型算法的研究 | 第43-52页 |
| ·利用 EVRC编码来实现去除噪声 | 第43-44页 |
| ·提取 MFCC特征参数 | 第44页 |
| ·采用 DTW技术实现模板的匹配 | 第44-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 系统设计与实现 | 第52-74页 |
| ·课题分析 | 第52页 |
| ·嵌入式英汉翻译器的子系统 | 第52页 |
| ·识别准确率的要求 | 第52页 |
| ·实时性的要求 | 第52页 |
| ·非特定人小词汇量语音识别系统 | 第52-61页 |
| ·硬件选型及电路设计 | 第52-60页 |
| ·主程序流程图 | 第60-61页 |
| ·系统具体设计 | 第61-72页 |
| ·语音数据采集 | 第61页 |
| ·去除噪声 | 第61页 |
| ·端点检测的实现 | 第61页 |
| ·预加重 | 第61-62页 |
| ·多模板训练法 | 第62页 |
| ·利用模板匹配方法进行识别 | 第62-66页 |
| ·关于 SPCE061A的API函数问题 | 第66-68页 |
| ·M25P64FLASH的用法 | 第68-70页 |
| ·SPCE061A识别命令条数扩展 | 第70-72页 |
| ·嵌入式英汉翻译器的子系统 | 第72页 |
| ·本章小结 | 第72-74页 |
| 第6章 总结与展望 | 第74-76页 |
| ·论文总结 | 第74页 |
| ·系统存在的问题 | 第74-75页 |
| ·对存在问题所建议的解决办法 | 第75-76页 |
| 致谢 | 第76-77页 |
| 参考文献 | 第77-79页 |
| 附录 1 攻读硕士学位期间的科研工作和论文发表情况 | 第79-80页 |
| 附录 2 系统 PCB图 | 第80页 |