车载环境下语音识别方法研究

摘要	第1-7页
Abstract	第7-12页
第1章 绪论	第12-25页
·引言	第12页
·选题背景及意义	第12-13页
·国内外语音识别研究和车载语音识别的历史与现状	第13-17页
·语音的产生	第17-20页
·人耳的听觉特性	第20-22页
·语音识别的分类	第22-23页
·语音识别系统的构成	第23-24页
·本文的组织结构	第24-25页
第2章 端点检测	第25-48页
·引言	第25页
·语音端点检测的几种算法	第25-41页
·短时能量	第25-26页
·过零率	第26-27页
·基于频带方差的端点检测	第27-28页
·倒谱特征	第28-30页
·基于自适应坑函数子带熵的端点检测	第30-41页
·各种端点检测方法的试验	第41-47页
·基于短时能量的试验	第41-42页
·基于过零率的端点检测试验	第42-43页
·基于频带方差的端点检测试验	第43-45页
·倒谱特征	第45-46页
·基于自适应坑函数子带熵的端点检测试验	第46-47页
·本章小结	第47-48页
第3章 基于短时谱估计的语音增强方法	第48-64页
·引言	第48页
·车载噪声环境	第48-50页
·车载环境噪声的分类	第48-49页
·车载环境的降噪方法	第49-50页
·幅度谱相减法语音增强	第50-54页
·基本幅度谱相减法	第50-51页
·参数可调的幅度谱减法	第51-53页
·幅度谱减法部分问题的修正	第53-54页
·功率谱相减语音增强	第54-57页
·基本功率谱相减的谱估计器	第54-55页
·功率谱减法的修正	第55-57页
·维纳滤波增强方法	第57-59页
·维纳滤波增强基本原理	第57-58页
·维纳估计器的实现及其变形	第58-59页
·改进幅度谱减语音增强算法试验	第59-63页
·本章小结	第63-64页
第4章 语音特征参数的提取	第64-84页
·引言	第64页
·线性预测倒谱系数	第64-67页
·美尔频标倒谱系数	第67-70页
·基于听觉心理学改进的MFCC	第70-81页
·听觉	第70-73页
·感知	第73-75页
·频率分辨特性和临界带宽	第75-77页
·掩蔽效应	第77-81页
·语音特征参数的提取试验	第81-83页
·本章小结	第83-84页
第5章 语音识别的匹配模型	第84-115页
·引言	第84页
·动态时间规整算法	第84-91页
·动态时间规整识别的基本原理	第84-88页
·动态时间规整算法的修正	第88-89页
·动态时间规整算法的模板训练	第89-91页
·隐形马尔可夫模型	第91-108页
·隐形马尔可夫模型的定义	第91-92页
·隐形马尔可夫模型的三个基本问题和其解决方案	第92-98页
·隐形马尔可夫模型的类型	第98-100页
·隐形马尔可夫模型算法实现的问题	第100-108页
·隐形马尔可夫模型的几种快速算法	第108-114页
·模型快速算法的概述	第108-109页
·基于矢量量化的高斯选择算法	第109-111页
·基于子空间高斯聚类的快速算法	第111-114页
·本章小结	第114-115页
第6章 识别系统的构建	第115-132页
·引言	第115页
·语料库	第115-117页
·识别系统的性能评价	第117-118页
·基于动态时间规整算法的语音识别试验	第118-121页
·基于隐形马尔可夫模型算法的语音识别试验	第121-131页
·汉语普通话发音	第121-122页
·识别命令表的分解	第122-124页
·发音声学模型	第124-125页
·特征参数	第125页
·基于子空间高斯聚类的快速算法试验	第125-127页
·特征分量屏蔽快速算法	第127-129页
·识别结果	第129-131页
·本章小结	第131-132页
结论	第132-134页
参考文献	第134-145页
攻读博士学位期间发表的论文和取得的科研成果	第145-146页
致谢	第146页