| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 语音识别的概述 | 第8-11页 |
| 1.1.1 语音识别的发展历史 | 第8-10页 |
| 1.1.2 语音识别的分类和应用 | 第10页 |
| 1.1.3 语音识别的基本方法 | 第10-11页 |
| 1.1.4 语音识别的问题 | 第11页 |
| 1.2 语音识别在汽车上的应用 | 第11-12页 |
| 1.3 语谱图的研究现状及应用 | 第12-13页 |
| 1.4 应用形态学图像处理技术对语谱图进行分析的研究现状 | 第13页 |
| 1.5 支持向量机（SVM）的研究现状及应用 | 第13-14页 |
| 1.6 论文的研究内容 | 第14-15页 |
| 第二章 语音样本的采集及其预处理 | 第15-24页 |
| 2.1 建立语音样本集 | 第15-16页 |
| 2.2 语音样本的预处理 | 第16-19页 |
| 2.2.1 预滤波 | 第16页 |
| 2.2.2 采样与量化 | 第16-18页 |
| 2.2.3 A/D 转换和预加重 | 第18页 |
| 2.2.4 分帧加窗 | 第18-19页 |
| 2.3 语音信号的时域和频域分析 | 第19-21页 |
| 2.3.1 语音信号的时域分析 | 第20页 |
| 2.3.2 语音信号的频域分析 | 第20-21页 |
| 2.4 语音信号共振峰的估计 | 第21-23页 |
| 2.4.1 共振峰的概念 | 第21页 |
| 2.4.2 共振峰提取的方法 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第三章 语谱图的分析与显示 | 第24-32页 |
| 3.1 语谱图 | 第24页 |
| 3.2 语谱图的产生机理 | 第24-31页 |
| 3.2.1 语谱图的转换流程及算法 | 第25-26页 |
| 3.2.2 语谱图的显示与分析 | 第26-28页 |
| 3.2.3 语谱图的预处理 | 第28-31页 |
| 3.3 本章小结 | 第31-32页 |
| 第四章 对语谱图特征参数提取的算法 | 第32-38页 |
| 4.1 归一化互相关图像算法 | 第32-34页 |
| 4.1.1 归一化互相关定义 | 第32页 |
| 4.1.2 归一化的行互相关图像算法 | 第32-34页 |
| 4.2 共振峰个数的统计 | 第34-37页 |
| 4.3 本章小结 | 第37-38页 |
| 第五章 支持向量机（SVM）与分类算法 | 第38-56页 |
| 5.1 统计学习理论简介 | 第38-40页 |
| 5.2 分类问题 | 第40页 |
| 5.3 支持向量分类算法（SVC）及模型 | 第40-45页 |
| 5.3.1 线性可分情形 | 第40-42页 |
| 5.3.2 线性不可分 | 第42-44页 |
| 5.3.3 支持向量机（SVM）的多分类法 | 第44-45页 |
| 5.4 MATLAB 相关的函数 | 第45-47页 |
| 5.4.1 程序 | 第45-46页 |
| 5.4.2 程序中功能函数及参数说明 | 第46-47页 |
| 5.5 支持向量机算法的实现 | 第47-55页 |
| 5.6 本章小结 | 第55-56页 |
| 第六章 结论及展望 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 致谢 | 第59页 |