| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-20页 |
| ·语音识别概述 | 第11-13页 |
| ·语音识别系统简介 | 第11-12页 |
| ·语音识别的指标 | 第12-13页 |
| ·语音识别技术 | 第13-18页 |
| ·语音识别技术的发展和现状 | 第13-15页 |
| ·语音识别的一般方法 | 第15-16页 |
| ·基于神经网络的语音识别方法 | 第16-18页 |
| ·语音识别面临的问题和困难 | 第18-19页 |
| ·本文的研究内容及意义 | 第19-20页 |
| 第2章 语音信号的分析与处理 | 第20-34页 |
| ·引言 | 第20页 |
| ·语音信号时域分析 | 第20-25页 |
| ·短时能量 | 第21-23页 |
| ·短时平均过零率 | 第23-25页 |
| ·短时自相关函数 | 第25页 |
| ·语音信号的频域分析 | 第25-27页 |
| ·短时傅里叶变换 | 第25-26页 |
| ·语谱图 | 第26-27页 |
| ·语音信号的采集、预处理及端点检测 | 第27-33页 |
| ·语音信号的采集 | 第28页 |
| ·语音信号的预处理 | 第28-31页 |
| ·端点检测 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 语音信号特征参数提取 | 第34-44页 |
| ·引言 | 第34-35页 |
| ·LPCC 的求解 | 第35-40页 |
| ·LPC 参数计算 | 第36-38页 |
| ·LPCC 参数计算 | 第38-40页 |
| ·MFCC 参数的快速提取算法 | 第40-43页 |
| ·MFCC 参数分析 | 第40-41页 |
| ·MFCC 参数的计算过程 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 基于CDHMM/SOFM 神经网络的混合模型语音识别 | 第44-59页 |
| ·引言 | 第44-45页 |
| ·隐马尔可夫模型(HMM) | 第45-48页 |
| ·HMM 的基本思想 | 第45-46页 |
| ·HMM 定义 | 第46-47页 |
| ·连续概率密度隐马尔可夫模型(CDHMM) | 第47-48页 |
| ·HMM 在语音识别中的基本问题 | 第48-53页 |
| ·自组织特征映射神经网络(SOFMNN) | 第53-56页 |
| ·SOFM 模型的结构 | 第53-54页 |
| ·SOFM 模型算法和学习规则 | 第54-56页 |
| ·CDHMM 与SOFMNN 的混合模型 | 第56-58页 |
| ·CDHMM/SOFMNN 模型结构 | 第56-57页 |
| ·CDHMM/SOFMNN 模型训练过程 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 仿真实验及分析 | 第59-69页 |
| ·仿真环境 | 第59-60页 |
| ·硬件环境 | 第59页 |
| ·软件环境 | 第59页 |
| ·语音数据库 | 第59-60页 |
| ·语音信号预处理 | 第60-62页 |
| ·预加重 | 第60-61页 |
| ·分帧 | 第61-62页 |
| ·端点检测 | 第62-63页 |
| ·特征提取 | 第63-65页 |
| ·识别实验结果及分析 | 第65-67页 |
| ·本章小结 | 第67-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| 作者简介 | 第77页 |