基于特征提取的抗噪声语音识别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-14页 |
| 第一章 绪论 | 第14-20页 |
| ·语音识别 | 第14-17页 |
| ·噪声背景下的语音识别 | 第17-18页 |
| ·本文主要研究内容及章节安排 | 第18-20页 |
| 第二章 噪声背景下语音识别的研究 | 第20-41页 |
| ·噪声对语音识别系统的影响 | 第20-24页 |
| ·噪声对语音特征的影响 | 第20-23页 |
| ·噪声对语音信号端点检测的影响 | 第23-24页 |
| ·抗噪声的语音识别技术 | 第24-40页 |
| ·抗噪声的语音特征 | 第25-32页 |
| ·语音模型的噪声补偿 | 第32-39页 |
| ·语音增强 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 实验数据和语音模型 | 第41-49页 |
| ·语音仿真数据 | 第41-42页 |
| ·语音模板—隐马尔可夫模型 | 第42-47页 |
| ·隐马尔可夫模型简介 | 第42-43页 |
| ·语音的隐马尔可夫模型 | 第43-45页 |
| ·隐马尔可夫模型的训练 | 第45-47页 |
| ·常用的语音特征 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于谱相减和功率谱差分的特征提取 | 第49-66页 |
| ·引言 | 第49-50页 |
| ·谱相减法语音增强和语音信号的特征提取 | 第50-58页 |
| ·谱相减法语音增强 | 第50-52页 |
| ·基于谱相减特征提取的改进方法 | 第52-57页 |
| ·带噪语音的识别实验 | 第57-58页 |
| ·基于功率谱差分的抗噪声语音特征 | 第58-65页 |
| ·功率谱的差分 | 第59页 |
| ·基于功率谱差分的语音特征 | 第59-61页 |
| ·基于功率谱差分的语音特征提取步骤 | 第61-63页 |
| ·带噪语音的识别实验 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 基于单边自相关序列的语音特征 | 第66-83页 |
| ·单边自相关序列 | 第66-69页 |
| ·清晰语音自相关序列的估计及语音特征的提取 | 第69-72页 |
| ·自相关序列的差分序列及语音特征的提取 | 第72-76页 |
| ·自相关序列的差分序列 | 第72-73页 |
| ·基于单边自相关序列差分序列的语音特征 | 第73-76页 |
| ·带噪语音的识别实验和讨论 | 第76-81页 |
| ·基于单边自相关序列的语音特征 | 第76-77页 |
| ·基于清晰语音自相关序列估计的带噪语音识别 | 第77-78页 |
| ·基于单边自相关序列差分序列的语音特征 | 第78-80页 |
| ·在其他类型的噪声环境中各种语音特征的比较 | 第80-81页 |
| ·本章小结 | 第81-83页 |
| 第六章 基于奇异值分解滤波的带噪语音识别 | 第83-99页 |
| ·基于奇异值分解的信号子空间估计 | 第83-85页 |
| ·奇异值分解简介 | 第83-84页 |
| ·基于奇异值分解的信号子空间估计 | 第84-85页 |
| ·奇异值分解在语音增强中的应用 | 第85-90页 |
| ·有色噪声的滤除 | 第90页 |
| ·基于奇异值分解滤波的语音识别实验 | 第90-98页 |
| ·最小二乘法 | 第90-94页 |
| ·最小方差法 | 第94-95页 |
| ·最小二乘法的改进方法 | 第95-98页 |
| ·本章小结 | 第98-99页 |
| 第七章 基于奇异值分解滤波的多模板语音识别系统 | 第99-109页 |
| ·多种语音特征综合的三种方法 | 第99-101页 |
| ·一种改进的全部参数法 | 第101-108页 |
| ·语音识别的判决规则 | 第102页 |
| ·模板参数的重估公式 | 第102-107页 |
| ·带噪语音的识别实验 | 第107-108页 |
| ·本章小结 | 第108-109页 |
| 结论 | 第109-110页 |
| 参考文献 | 第110-121页 |
| 攻读博士学位期间完成的论文 | 第121-122页 |
| 致谢 | 第122-123页 |
| 修正 | 第123页 |
