噪声环境下移动机器人语音控制技术研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 课题研究的背景和意义 | 第14-15页 |
| 1.2 国内外发展历史及研究现状 | 第15-19页 |
| 1.2.1 语音识别技术的发展及现状 | 第15-17页 |
| 1.2.2 移动机器人技术的发展及现状 | 第17-19页 |
| 1.3 主要研究内容及创新点 | 第19-20页 |
| 1.4 本文的结构 | 第20-22页 |
| 第二章 语音信号基本理论 | 第22-34页 |
| 2.1 语音信号的数学模型 | 第22-25页 |
| 2.2 语音信号的预处理 | 第25-28页 |
| 2.2.1 采样、量化、A/D转换 | 第25页 |
| 2.2.2 预加重 | 第25-26页 |
| 2.2.3 分帧、加窗 | 第26-28页 |
| 2.3 语音信号时域分析 | 第28-29页 |
| 2.3.1 短时能量和短时平均幅度 | 第28页 |
| 2.3.2 短时平均过零率 | 第28-29页 |
| 2.3.3 短时自相关函数 | 第29页 |
| 2.3.4 短时平均幅度差函数 | 第29页 |
| 2.4 语音信号频域分析 | 第29-30页 |
| 2.4.1 短时傅里叶分析 | 第29-30页 |
| 2.4.2 语谱图 | 第30页 |
| 2.5 语音信号特征参数提取 | 第30-33页 |
| 2.5.1 线性预测倒谱系数 | 第31页 |
| 2.5.2 梅尔频率倒谱系数 | 第31-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第三章 语音识别模型训练 | 第34-48页 |
| 3.1 语音识别概述 | 第34-35页 |
| 3.2 语言模型 | 第35-36页 |
| 3.3 HMM声学模型 | 第36-46页 |
| 3.3.1 声学模型 | 第36-38页 |
| 3.3.2 HMM模型基本概念 | 第38-40页 |
| 3.3.3 HMM模型需要解决的三个问题 | 第40-46页 |
| 3.3.4 HMM类型 | 第46页 |
| 3.4 本章小结 | 第46-48页 |
| 第四章 鲁棒性语音特征提取 | 第48-58页 |
| 4.1 噪声对语音特征参数的影响 | 第48-49页 |
| 4.2 鲁棒语音识别技术 | 第49-51页 |
| 4.3 特征参数归一化法 | 第51-55页 |
| 4.3.1 倒谱均值消去法 | 第51-52页 |
| 4.3.2 均值方差归一化法 | 第52-53页 |
| 4.3.3 直方图均衡化法 | 第53-55页 |
| 4.4 时间序列滤波器 | 第55-56页 |
| 4.5 本章小结 | 第56-58页 |
| 第五章 移动机器人语音控制系统设计与实现 | 第58-64页 |
| 5.1 系统总体设计方案 | 第58页 |
| 5.2 硬件总体设计 | 第58-59页 |
| 5.3 软件总体设计 | 第59-63页 |
| 5.3.1 软件系统开发环境 | 第59-60页 |
| 5.3.2 安卓端语音识别软件设计 | 第60-62页 |
| 5.3.3 Arduino单片机控制程序设计 | 第62-63页 |
| 5.4 本章小结 | 第63-64页 |
| 第六章 实验结果及分析 | 第64-72页 |
| 6.1 鲁棒性语音特征提取实验 | 第64-70页 |
| 6.1.1 仿真环境介绍 | 第64-65页 |
| 6.1.2 实验语料 | 第65-67页 |
| 6.1.3 识别性能评估标准 | 第67页 |
| 6.1.4 特征参数归一化实验分析 | 第67-69页 |
| 6.1.5 时间序列滤波器实验分析 | 第69-70页 |
| 6.2 移动机器人控制系统调试实验 | 第70-71页 |
| 6.3 本章小结 | 第71-72页 |
| 总结与展望 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 攻读学位期间发表的论文 | 第79-81页 |
| 致谢 | 第81页 |
