| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 引言 | 第9页 |
| 1.2 语音识别发展史及现状 | 第9-11页 |
| 1.2.1 国外研究历史及现状 | 第9-10页 |
| 1.2.2 国内研究历史及现状 | 第10-11页 |
| 1.3 语音识别系统所面临的困难 | 第11页 |
| 1.3.1 噪声干扰 | 第11页 |
| 1.3.2 语音信号的复杂多变性 | 第11页 |
| 1.3.3 鲁棒性 | 第11页 |
| 1.4 本文的研究内容和结构安排 | 第11-13页 |
| 1.4.1 研究内容 | 第11-12页 |
| 1.4.2 结构安排 | 第12-13页 |
| 第2章 语音识别的基本理论 | 第13-26页 |
| 2.1 语音信号预处理 | 第13-17页 |
| 2.1.1 滤波与采样 | 第13-14页 |
| 2.1.2 预加重 | 第14页 |
| 2.1.3 分帧加窗 | 第14-15页 |
| 2.1.4 端点检测 | 第15-17页 |
| 2.2 语音信号特征参数提取 | 第17-19页 |
| 2.2.1 线性预测系数（LPC） | 第17页 |
| 2.2.2 线性预测倒谱系数（LPCC） | 第17-18页 |
| 2.2.3 MEL频率倒谱系数（MFCC） | 第18-19页 |
| 2.3 语音信号的识别模型 | 第19-25页 |
| 2.3.1 动态时间规整 | 第19-20页 |
| 2.3.2 隐马尔可夫模型 | 第20-21页 |
| 2.3.3 神经网络模型 | 第21-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 基于GA-ACO算法对BP神经网络的改进 | 第26-36页 |
| 3.1 BP神经网络 | 第26-29页 |
| 3.1.1 BP神经网络模型 | 第26-27页 |
| 3.1.2 BP神经网络的学习算法 | 第27-29页 |
| 3.2 GA-ACO算法的设计思路 | 第29-31页 |
| 3.2.1 GA-ACO算法临界点的确定 | 第29-30页 |
| 3.2.2 GA-ACO算法的流程 | 第30-31页 |
| 3.3 用GA-ACO算法优化BP神经网络 | 第31-35页 |
| 3.3.1 GA-ACO算法中遗传算法的设计 | 第31-33页 |
| 3.3.2 GA-ACO算法中蚁群算法的设计 | 第33-34页 |
| 3.3.3 基于GA-ACO算法的BP算法描述 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 仿真实验及结果分析 | 第36-45页 |
| 4.1 仿真系统的介绍 | 第36页 |
| 4.2 语音样本的建立 | 第36-39页 |
| 4.2.1 语音信号的采集 | 第36-37页 |
| 4.2.2 语音信号的预处理 | 第37-39页 |
| 4.2.3 语音信号的特征参数提取及规整 | 第39页 |
| 4.3 基于GA-ACO算法和BP神经网络的语音识别 | 第39-41页 |
| 4.3.1 神经网络模型的建立 | 第39-40页 |
| 4.3.2 基于GA-ACO算法和BP神经网络仿真结果 | 第40-41页 |
| 4.4 各不同条件下仿真实验及性能分析 | 第41-44页 |
| 4.4.1 BP神经网络改进前后性能比较 | 第41-42页 |
| 4.4.2 隐含层神经元数目对性能的影响 | 第42-43页 |
| 4.4.3 不同特征参数的识别率比较 | 第43页 |
| 4.4.4 训练集个数的识别率比较 | 第43-44页 |
| 4.5 本章小结 | 第44-45页 |
| 第5章 总结与展望 | 第45-47页 |
| 5.1 本文总结 | 第45页 |
| 5.2 前景展望 | 第45-47页 |
| 参考文献 | 第47-50页 |
| 致谢 | 第50-51页 |
| 附录A（攻读硕士学位期间发表学术论文及参与科研项目） | 第51页 |
