| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 语音韵律的研究现状 | 第10-11页 |
| 1.2.2 大脑与讲话的神经关联性的研究 | 第11-12页 |
| 1.3 本文研究内容及论文结构 | 第12-14页 |
| 1.3.1 本文研究内容 | 第12-13页 |
| 1.3.2 论文结构 | 第13-14页 |
| 第二章 类神经网络与 DIVA 模型 | 第14-26页 |
| 2.1 类神经网络 | 第14-18页 |
| 2.1.1 感知器 | 第15-16页 |
| 2.1.2 线性滤波器 | 第16-17页 |
| 2.1.3 径向基网络 | 第17-18页 |
| 2.1.4 自组织特征映射神经网络 | 第18页 |
| 2.2 DIVA 模型 | 第18-25页 |
| 2.2.1 前田几何声道模型 | 第18-19页 |
| 2.2.2 DIVA 模型 | 第19-21页 |
| 2.2.3 运动前区和运动区 | 第21-23页 |
| 2.2.4 反馈控制系统 | 第23-25页 |
| 2.2.5 前馈控制系统 | 第25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于 DIVA 模型的汉语元音声调发音方法 | 第26-35页 |
| 3.1 汉语声调的探讨 | 第26-27页 |
| 3.1.1 声调的基本概念 | 第26页 |
| 3.1.2 影响声调变化的声学因素 | 第26-27页 |
| 3.2 声调与基频的关系 | 第27-28页 |
| 3.3 用 DIVA 模型模拟汉语元音声调的发音 | 第28-31页 |
| 3.3.1 DIVA 模型的工作过程 | 第28-29页 |
| 3.3.2 DIVA 模型的改进方法 | 第29-31页 |
| 3.4 改进后 DIVA 模型合成的语音 | 第31页 |
| 3.5 汉语元音声调的神经关联性 | 第31-34页 |
| 3.5.1 试验方法 | 第31-33页 |
| 3.5.2 结果与讨论 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 基于 DIVA 模型的英语音节重音发音方法 | 第35-44页 |
| 4.1 英语音节重音的探讨 | 第35-36页 |
| 4.1.1 音节重音的基本概念 | 第35页 |
| 4.1.2 音节重音规则 | 第35-36页 |
| 4.2 音节重音与基频和时长的关系 | 第36页 |
| 4.3 语音信号预处理 | 第36-39页 |
| 4.3.1 语音信号取样 | 第36-37页 |
| 4.3.2 端点侦测 | 第37-38页 |
| 4.3.3 音框化处理 | 第38-39页 |
| 4.4 基频和时长变化轨迹的提取 | 第39-40页 |
| 4.5 用 DIVA 模型模拟英语音节重音的发音 | 第40-42页 |
| 4.5.1 基频和时长变化轨迹的获取 | 第40-41页 |
| 4.5.2 基频和时长的调整 | 第41-42页 |
| 4.6 改进前后 DIVA 模型合成语音的对比 | 第42-43页 |
| 4.7 本章小结 | 第43-44页 |
| 第五章 基频扰动实验 | 第44-50页 |
| 5.1 基频扰动规则 | 第44-45页 |
| 5.2 基频扰动模块的设置 | 第45-46页 |
| 5.3 用 DIVA 模型模拟 happy 的发音 | 第46-47页 |
| 5.4 结果与讨论 | 第47-49页 |
| 5.4.1 基频补偿 | 第47-48页 |
| 5.4.2 时长补偿 | 第48页 |
| 5.4.3 强度反应 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第56-57页 |
| 附录 2 攻读硕士学位期间申请的专利 | 第57-58页 |
| 附录 3 攻读硕士学位期间参加的科研项目 | 第58-59页 |
| 致谢 | 第59页 |
