武汉方言语音识别系统研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 语音识别研究背景 | 第10-12页 |
| 1.1.1 语音识别的发展历史与现状 | 第10-11页 |
| 1.1.2 国内语音识别的发展历史与现状 | 第11-12页 |
| 1.2 语音识别关键技术概述 | 第12-13页 |
| 1.3 课题研究内容及意义 | 第13-16页 |
| 1.3.1 研究意义 | 第13-14页 |
| 1.3.2 论文结构安排 | 第14-16页 |
| 第2章 语音端点检测 | 第16-22页 |
| 2.1 语音端点检测概述 | 第16页 |
| 2.2 语音端点检测原理 | 第16-18页 |
| 2.3 常用语音端点检测算法 | 第18-20页 |
| 2.3.1 短时能量 | 第18页 |
| 2.3.2 短时平均过零率 | 第18-19页 |
| 2.3.3 基于短时能量和过零率的双门限检测方法 | 第19-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第3章 基于小波变换的重分形语音端点检测方法 | 第22-38页 |
| 3.1 概述 | 第22-25页 |
| 3.1.1 分形简介 | 第22-23页 |
| 3.1.2 典型单重分形维数 | 第23-24页 |
| 3.1.3 分形盒维数计算方法 | 第24-25页 |
| 3.2 多重分形 | 第25-27页 |
| 3.2.1 多重分形概述 | 第25-26页 |
| 3.2.2 广义维数计算方法 | 第26-27页 |
| 3.3 分形维数的信号度量能力 | 第27-29页 |
| 3.4 小波去噪 | 第29-33页 |
| 3.4.1 小波去噪原理 | 第29-30页 |
| 3.4.2 合理选择分解与重构尺度 | 第30-33页 |
| 3.5 重分形的语音端点检测技术 | 第33-38页 |
| 3.5.1 多重分形端点检测基本原理 | 第33-34页 |
| 3.5.2 重分形的相关性度量方法 | 第34页 |
| 3.5.3 重分形的语音端点检测实现过程 | 第34-38页 |
| 第4章 基于HMM的声学模型 | 第38-48页 |
| 4.1 HMM基本原理 | 第38-40页 |
| 4.2 HMM的核心问题 | 第40-41页 |
| 4.3 HMM基本算法 | 第41-46页 |
| 4.3.1 向前-向后算法 | 第41-44页 |
| 4.3.2 Viterbi算法 | 第44-45页 |
| 4.3.3 Baum-Welch算法 | 第45-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第5章 语言模型 | 第48-56页 |
| 5.1 语言模型的分类 | 第48-51页 |
| 5.1.1 基于规则的语言模型 | 第48-49页 |
| 5.1.2 基于统计的语言模型 | 第49-51页 |
| 5.2 语言模型的平滑技术 | 第51-54页 |
| 5.2.1 线性插值平滑 | 第52页 |
| 5.2.2 Good-Turing平滑法 | 第52-53页 |
| 5.2.3 Katz平滑技术 | 第53-54页 |
| 5.3 语言模型的度量 | 第54-55页 |
| 5.3.1 困惑度 | 第54-55页 |
| 5.3.2 熵 | 第55页 |
| 5.4 本章小结 | 第55-56页 |
| 第6章 基于HTK的武汉方言语音识别系统的构建 | 第56-64页 |
| 6.1 HTK工作基本原理 | 第56-57页 |
| 6.2 语音采集与语料库建立 | 第57-59页 |
| 6.2.1 声学模型建模单元的选取 | 第57-58页 |
| 6.2.2 武汉方言注音符号系统 | 第58页 |
| 6.2.3 语料库建立 | 第58-59页 |
| 6.3 特征提取 | 第59-60页 |
| 6.4 语言模型的建立与训练 | 第60-63页 |
| 6.5 声学模型训练 | 第63-64页 |
| 第7章 实验及数据分析 | 第64-70页 |
| 7.1 实验样本 | 第64页 |
| 7.2 实验评价标准 | 第64-66页 |
| 7.3 实验方案设计与结果分析 | 第66-70页 |
| 第8章 总结与展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 攻读硕士期间已发表的论文 | 第78-80页 |
| 致谢 | 第80页 |
