基于特征分类直方图均衡的鲁棒性语音识别研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-14页 |
| ·语音识别概述 | 第8-12页 |
| ·语音识别的研究背景和意义 | 第8-9页 |
| ·语音识别的研究现状及存在问题 | 第9-12页 |
| ·语音识别发展前景 | 第12页 |
| ·本文的主要研究内容 | 第12-14页 |
| 第二章 语音识别基本方法 | 第14-32页 |
| ·语音识别的原理和识别系统的组成 | 第14-15页 |
| ·语音信号的预处理技术 | 第15-19页 |
| ·语音信号的时域与频域分析 | 第19-22页 |
| ·语音信号的时域分析 | 第19-21页 |
| ·语音信号的频域分析 | 第21-22页 |
| ·特征提取技术 | 第22-25页 |
| ·LPCC 特征参数提取方法 | 第22-23页 |
| ·MFCC 特征参数提取方法 | 第23-25页 |
| ·模式匹配方法 | 第25-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 语音识别的HEQ 方法及改进 | 第32-42页 |
| ·直方图均衡化原理 | 第33-35页 |
| ·直方图均衡化实现方法 | 第35-38页 |
| ·改进的基于分段统计的直方图均衡化方法 | 第35-37页 |
| ·基于统计顺序的直方图均衡化OS-HEQ 方法 | 第37-38页 |
| ·其它均衡化方法 | 第38页 |
| ·传统的直方图均衡化存在的问题 | 第38-39页 |
| ·基于K 均值聚类的直方图均衡化 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 实验及结果分析 | 第42-49页 |
| ·仿真环境介绍 | 第42-43页 |
| ·实验数据 | 第43-44页 |
| ·基于自适应分段AHEQ 识别性能分析 | 第44-45页 |
| ·基于K 均值聚类HEQ 识别性能分析 | 第45-49页 |
| 第五章 总结 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 攻读学位期间公开发表的论文 | 第53-54页 |
| 致谢 | 第54-55页 |
