| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-20页 |
| 1.1 论文研究的背景及意义 | 第12-14页 |
| 1.1.1 研究背景 | 第12页 |
| 1.1.2 机务管理部门监控标准现状分析 | 第12-13页 |
| 1.1.3 研究意义 | 第13-14页 |
| 1.2 国内外相关研究的研究现状 | 第14-16页 |
| 1.2.1 车载或机载监控装置的国内外现状分析 | 第14-15页 |
| 1.2.2 国内语音记录装置现状分析 | 第15-16页 |
| 1.3 论文的研究思路 | 第16-17页 |
| 1.4 论文的主要内容 | 第17-20页 |
| 2 列车司机语音信号共性研究及相关算法的选取与改进 | 第20-36页 |
| 2.1 语音信号的产生机理分析 | 第20-24页 |
| 2.1.1 激励模型 | 第20-22页 |
| 2.1.2 声道模型 | 第22-23页 |
| 2.1.3 辐射模型 | 第23-24页 |
| 2.2 列车司机语音识别的基本流程介绍 | 第24-25页 |
| 2.3 列车司机语音信号预加重算法研究 | 第25-26页 |
| 2.4 列车司机语音信号加窗算法研究 | 第26-28页 |
| 2.5 列车司机语音信号的特征提取算法研究 | 第28-34页 |
| 2.5.1 线性预测倒谱系数 | 第29-30页 |
| 2.5.2 Mel频率倒谱系数 | 第30-32页 |
| 2.5.3 列车司机语音信号特征参数提取算法的选取 | 第32-34页 |
| 2.6 本章小结 | 第34-36页 |
| 3 列车司机语音信号特性研究及相关算法的选取与改进 | 第36-50页 |
| 3.1 列车司机语音信号的特性分析 | 第36-40页 |
| 3.1.1 列车司机语音识别的特点 | 第36-37页 |
| 3.1.2 列车司机语音信号端点检测算法的选取 | 第37-38页 |
| 3.1.3 列车司机双门限法端点检测的改进 | 第38-40页 |
| 3.2 列车车载环境的噪声分析 | 第40-46页 |
| 3.2.1 列车车载环境噪声的特点 | 第40-41页 |
| 3.2.2 列车司机语音信号减噪方法的选取 | 第41-43页 |
| 3.2.3 列车司机语音识别模板库建立算法研究 | 第43-46页 |
| 3.3 列车司机语音趋势项消除算法研究 | 第46-48页 |
| 3.3.1 列车司机语音趋势项产生原因 | 第46页 |
| 3.3.2 列车司机语音趋势项消除算法的选取 | 第46-48页 |
| 3.4 本章小结 | 第48-50页 |
| 4 列车语音识别子系统控制信号获取方法研究 | 第50-58页 |
| 4.1 LKJ型列车监控系统研究 | 第50-53页 |
| 4.1.1 LKJ型列车监控系统的组成 | 第51-52页 |
| 4.1.2 LKJ型列车监控系统的功能分析 | 第52-53页 |
| 4.2 机车安全监控装置(TAX)箱 | 第53-55页 |
| 4.3 TAX通信协议分析 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5 列车车载语音识别系统的软硬件设计 | 第58-74页 |
| 5.1 系统总体硬件设计 | 第58-63页 |
| 5.1.1 语音识别控制信号获取子系统 | 第59-60页 |
| 5.1.2 语音识别子系统 | 第60-61页 |
| 5.1.3 语音识别结果输出子系统 | 第61-63页 |
| 5.2 系统总体软件设计 | 第63-72页 |
| 5.2.1 单片机程序设计 | 第63-69页 |
| 5.2.2 FPGA程序设计 | 第69-72页 |
| 5.3 本章小结 | 第72-74页 |
| 6 系统的实现与验证 | 第74-78页 |
| 6.1 语音识别系统在MATLAB平台的验证 | 第74-75页 |
| 6.2 FPGA平台验证 | 第75-76页 |
| 6.3 单片机平台验证 | 第76-77页 |
| 6.4 本章小结 | 第77-78页 |
| 7 总结与展望 | 第78-82页 |
| 7.1 本论文工作总结 | 第78-79页 |
| 7.1.1 论文工作小结 | 第78-79页 |
| 7.1.2 论文研究创新点小结 | 第79页 |
| 7.2 本论文工作展望 | 第79-82页 |
| 参考文献 | 第82-86页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第86-90页 |
| 学位论文数据集 | 第90页 |
