| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 英文术语简写 | 第10-11页 |
| 一 概述 | 第11-18页 |
| ·引言 | 第11-12页 |
| ·语音识别研究的发展历程 | 第12-13页 |
| ·当前语音识别领域所面临的主要问题 | 第13-14页 |
| ·汉语声调研究简介 | 第14-15页 |
| ·声调听觉征兆的研究 | 第14页 |
| ·声调模型的研究 | 第14-15页 |
| ·论文的研究意义和目标 | 第15-16页 |
| ·本文的研究思路、主要工作和章节安排 | 第16-18页 |
| 二 基频提取及后处理算法 | 第18-38页 |
| ·前言 | 第18-20页 |
| ·基频提取算法原理 | 第20-27页 |
| ·语音信号预处理 | 第20页 |
| ·自相关法提取基频 | 第20-22页 |
| ·插值平滑 | 第22-26页 |
| ·重采样处理 | 第26页 |
| ·重采样维数的确定 | 第26-27页 |
| ·算法性能测试 | 第27-38页 |
| ·数据库 | 第27-30页 |
| ·归一化处理 | 第30-36页 |
| ·归一化的引入 | 第30-32页 |
| ·归一化的主要方法 | 第32-33页 |
| ·归一化实验数据对比 | 第33-34页 |
| ·m-LD归一化算法 | 第34-36页 |
| ·性能测试 | 第36-38页 |
| 三 声调识别模型 | 第38-59页 |
| ·前言 | 第38-39页 |
| ·声调模式 | 第39-40页 |
| ·基于GMM的声调识别模型 | 第40-59页 |
| ·基频的分布特性 | 第40-47页 |
| ·GMM模型描述 | 第47-48页 |
| ·GMM模型参数训练算法 | 第48-55页 |
| ·K-Means算法 | 第48-50页 |
| ·EM算法 | 第50-55页 |
| ·GMM识别算法 | 第55-56页 |
| ·实验结果分析 | 第56-59页 |
| 四 声调的测试与评估模型 | 第59-71页 |
| ·前言 | 第59页 |
| ·CALL系统简介 | 第59-61页 |
| ·评估系统的主要思想 | 第61页 |
| ·评估模型的建立 | 第61-63页 |
| ·模型的求解 | 第63-68页 |
| ·混合数的选择 | 第64-65页 |
| ·衡量机器打分准确程度的指标 | 第65-67页 |
| ·相关系数 | 第65-66页 |
| ·分级错误率 | 第66-67页 |
| ·自动评分流程 | 第67页 |
| ·评估依据 | 第67-68页 |
| ·实验结果 | 第68-71页 |
| 五 结论与展望 | 第71-73页 |
| ·结论 | 第71-72页 |
| ·不足与展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 在学期间参加的主要项目和发表的论文 | 第76-77页 |
| 1 学校期间参加的主要项目 | 第76页 |
| 2 学校期间发表的论文 | 第76-77页 |
| 致谢 | 第77-78页 |
| 附录 | 第78-81页 |
| 附录1 9位专家对100位学生的汉语声调打分结果(满分6分) | 第78-81页 |
| 附录2 9专家平均打分和机器打分结果(归一化数据) | 第81页 |