基于HMM的语音分组识别系统的研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| Content | 第10-12页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 语音识别概述 | 第12-13页 |
| 1.2 国内外语音识别技术的发展历史及现状 | 第13-15页 |
| 1.2.1 国外研究情况 | 第13-14页 |
| 1.2.2 国内研究情况 | 第14-15页 |
| 1.3 语音识别系统的基本组成和分类 | 第15-16页 |
| 1.3.1 语音识别系统的组成 | 第15页 |
| 1.3.2 语音识别系统的分类 | 第15-16页 |
| 1.4 论文研究背景与项目要求 | 第16-17页 |
| 1.5 创新点和实现方法 | 第17页 |
| 1.6 论文的主要内容和架构 | 第17-19页 |
| 第二章 语音识别基本原理 | 第19-29页 |
| 2.1 语音识别声学原理 | 第19-20页 |
| 2.2 语音信号预处理 | 第20-24页 |
| 2.2.1 预加重 | 第20页 |
| 2.2.2 分帧 | 第20-21页 |
| 2.2.3 加窗 | 第21-22页 |
| 2.2.4 端点检测 | 第22-24页 |
| 2.3 语音信号的特征提取 | 第24-28页 |
| 2.3.1 线性预测倒谱系数(LPC) | 第24-25页 |
| 2.3.2 线性预测倒谱系数(LPCC) | 第25-26页 |
| 2.3.3 美尔频率倒谱系数(MFCC) | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 语音识别算法 | 第29-56页 |
| 3.1 矢量量化(VQ) | 第29-30页 |
| 3.2 动态时间规整(DTW) | 第30-32页 |
| 3.3 高斯混合模型(GMM) | 第32页 |
| 3.4 人工神经网络(ANN) | 第32-33页 |
| 3.5 隐马尔可夫模型(HMM) | 第33-55页 |
| 3.5.1 隐马尔可夫模型的定义和基本原理 | 第33-34页 |
| 3.5.2 HMM的结构和三个基本问题 | 第34-35页 |
| 3.5.3 三个基本问题的解决算法 | 第35-41页 |
| 3.5.4 语音特征参数分段均值降维 | 第41-46页 |
| 3.5.5 经验调整 | 第46-48页 |
| 3.5.6 置信度检验 | 第48-52页 |
| 3.5.7 分组决策——最大值决策法 | 第52-55页 |
| 3.6 本章小结 | 第55-56页 |
| 第四章 系统的设计与实现 | 第56-63页 |
| 4.1 系统改进分析及其架构 | 第56-58页 |
| 4.2 系统实现 | 第58-62页 |
| 4.3 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 工作总结 | 第63页 |
| 工作展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 攻读硕士学位期间发表论文 | 第68-70页 |
| 致谢 | 第70页 |
