用于腹腔镜自动定位的语音识别方法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景 | 第11-13页 |
| 1.1.1 腹腔镜自动定位系统 | 第11-12页 |
| 1.1.2 语音识别技术 | 第12-13页 |
| 1.2 课题研究目的和意义 | 第13-15页 |
| 1.3 国内外研究现状 | 第15-16页 |
| 1.3.1 国外研究现状 | 第15-16页 |
| 1.3.2 国内研究现状 | 第16页 |
| 1.4 论文的主要内容 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 语音识别概述 | 第17-26页 |
| 2.1 语音信号处理基础 | 第17-21页 |
| 2.1.1 语音信号的特征 | 第17-19页 |
| 2.1.2 语音产生与感知机理 | 第19-20页 |
| 2.1.3 语音产生的数字模型 | 第20-21页 |
| 2.2 语音识别的基本原理 | 第21页 |
| 2.3 基本语音识别算法 | 第21-24页 |
| 2.3.1 动态时间规整（DTW） | 第21-22页 |
| 2.3.2 矢量量化技术（VQ） | 第22页 |
| 2.3.3 隐马尔科夫模型（HMM） | 第22-23页 |
| 2.3.4 人工神经网络（ANN） | 第23-24页 |
| 2.4 系统选用的语音识别算法 | 第24页 |
| 2.5 本章小结 | 第24-26页 |
| 第三章 定点特征提取前端设计 | 第26-38页 |
| 3.1 识别方案总体设计 | 第26-27页 |
| 3.2 定点预处理 | 第27-29页 |
| 3.2.1 定点计算 | 第27页 |
| 3.2.2 预处理 | 第27-29页 |
| 3.3 端点检测算法研究 | 第29-33页 |
| 3.3.1 基于短时能频值的语音端点检测 | 第29-31页 |
| 3.3.2 基于MFCC0的语音端点检测 | 第31-33页 |
| 3.4 特征参数的定点提取 | 第33-37页 |
| 3.4.1 MFCC的定点计算 | 第33-36页 |
| 3.4.2 倒谱均值归一化 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于HMM的语音识别算法研究 | 第38-51页 |
| 4.1 隐马尔科夫模型（HMM） | 第38-45页 |
| 4.1.1 马尔科夫链 | 第38-39页 |
| 4.1.2 HMM基本概念 | 第39-41页 |
| 4.1.3 HMM的基本问题及求解 | 第41-45页 |
| 4.2 基于CHMM的语音识别算法实现 | 第45-50页 |
| 4.2.1 多观测序列的训练算法 | 第45-47页 |
| 4.2.2 CHMM初始化 | 第47-48页 |
| 4.2.3 CHMM模型训练 | 第48-49页 |
| 4.2.4 最邻近估计算法识别 | 第49-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第五章 系统验证与结果分析 | 第51-63页 |
| 5.1 端点检测算法的MATLAB仿真 | 第51-53页 |
| 5.1.1 基于EFV的语音端点检测 | 第51-52页 |
| 5.1.2 基于MFCC0的语音端点检测 | 第52-53页 |
| 5.2 PC端HMM算法实验 | 第53-59页 |
| 5.2.1 PC端与嵌入式端通信 | 第55-57页 |
| 5.2.2 PC端模型训练 | 第57-58页 |
| 5.2.3 PC端语音识别 | 第58-59页 |
| 5.3 嵌入式系统实验 | 第59-62页 |
| 5.3.1 语音端点检测 | 第59-60页 |
| 5.3.2 定点特征提取 | 第60-61页 |
| 5.3.3 最邻近估计算法 | 第61页 |
| 5.3.4 语音识别实验 | 第61-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 工作总结 | 第63页 |
| 6.2 工作展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 发表论文和参加科研情况说明 | 第68-69页 |
| 致谢 | 第69-70页 |
