| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-14页 |
| 1.1 语音端点检测研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 本文的主要工作和章节安排 | 第12-14页 |
| 2 语音信号分析及端点检测基本算法 | 第14-27页 |
| 2.1 语音信号的产生模型 | 第14-15页 |
| 2.2 听觉特性 | 第15-17页 |
| 2.3 语音信号预处理 | 第17-20页 |
| 2.3.1 预加重 | 第17-18页 |
| 2.3.2 分帧与加窗 | 第18-20页 |
| 2.4 常见的语音端点检测方法 | 第20-26页 |
| 2.4.1 基于能量和过零率的端点检测(Energy-ZCR) | 第20-21页 |
| 2.4.2 基于谱方差的端点检测(BSV) | 第21-23页 |
| 2.4.3 基于MFCC倒谱距离的端点检测 | 第23-24页 |
| 2.4.4 基于谱熵的端点检测 | 第24-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 一种改进的自适应子带谱方差端点检测方法 | 第27-34页 |
| 3.1 改进的自适应子带选择谱方差 | 第27-31页 |
| 3.1.1 谱减法去噪 | 第27页 |
| 3.1.2 自适应选择谱方差法(ASSV) | 第27-30页 |
| 3.1.3 算法描述 | 第30-31页 |
| 3.2 实验结果和分析 | 第31-33页 |
| 3.3 本章小结 | 第33-34页 |
| 4 一种无前导静音段语音端点检测方法 | 第34-44页 |
| 4.1 传统端点检测方法对无前导静音段的检测 | 第34-36页 |
| 4.2 LMS自适应滤波器减噪 | 第36-38页 |
| 4.2.1 LMS算法基本原理 | 第36-37页 |
| 4.2.2 自适应去噪 | 第37-38页 |
| 4.3 FCM端点检测算法 | 第38-40页 |
| 4.3.1 特征参数选取 | 第38-39页 |
| 4.3.2 算法描述 | 第39-40页 |
| 4.4 实验结果和分析 | 第40-43页 |
| 4.5 本章小结 | 第43-44页 |
| 5 端点检测及高斯连续HMM语音识别 | 第44-60页 |
| 5.1 高斯混合模型 | 第44-45页 |
| 5.1.1 高斯混合模型的定义 | 第44页 |
| 5.1.2 高斯混合模型的参数估计 | 第44-45页 |
| 5.2 高斯连续隐马尔可夫模型 | 第45-53页 |
| 5.2.1 HMM基本思想 | 第46-48页 |
| 5.2.2 HMM基本算法 | 第48-53页 |
| 5.3 ASSV在高斯连续HMM中的应用 | 第53-59页 |
| 5.3.1 高斯连续HMM语音识别算法流程 | 第53-55页 |
| 5.3.2 高斯连续HMM语音识别系统中端点检测比较 | 第55-59页 |
| 5.4 本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表学术论文情况 | 第66-67页 |
| 致谢 | 第67-68页 |