| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-17页 |
| 1.1 课题研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 语音发音的训练学习算法 | 第9-10页 |
| 1.2.2 神经网络及语音感知 | 第10-12页 |
| 1.2.3 语音的声学特性 | 第12-14页 |
| 1.2.4 发音激活的大脑区域 | 第14-15页 |
| 1.3 本文研究内容及论文结构 | 第15-17页 |
| 1.3.1 本文研究内容 | 第15页 |
| 1.3.2 论文结构 | 第15-17页 |
| 第2章 DIVA模型和神经网络基本理论 | 第17-30页 |
| 2.1 DIVA模型 | 第17-20页 |
| 2.1.1 简介DIVA模型原理 | 第17-19页 |
| 2.1.2 DIVA模型中的学习过程 | 第19-20页 |
| 2.2 神经网络模型 | 第20-25页 |
| 2.2.1 人工神经网络的构成 | 第20-22页 |
| 2.2.2 概率神经网络 | 第22-24页 |
| 2.2.3 自组织特征神经网络 | 第24-25页 |
| 2.3 隐马尔可夫训练学习模型 | 第25-28页 |
| 2.3.1 训练学习模型 | 第25-27页 |
| 2.3.2 DIVA模型的训练学习阶段 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于DIVA模型的中文复合元音发音 | 第30-41页 |
| 3.1 隐马可夫语音训练学习方法的研究 | 第30-33页 |
| 3.1.1 监督式的训练过程 | 第31页 |
| 3.1.2 非监督式训练过程——HMM/PNN混合模型 | 第31-33页 |
| 3.2 DIVA模型中发音方法的研究 | 第33-36页 |
| 3.2.1 DIVA模型中添加听觉感知模型 | 第33-35页 |
| 3.2.2 共振峰表示 | 第35页 |
| 3.2.3 自组织特征映射网络的应用 | 第35-36页 |
| 3.3 DIVA模型中复合元音发音特征的考虑 | 第36-40页 |
| 3.3.1 复合元音共振峰特性 | 第37-39页 |
| 3.3.2 共振峰的结构 | 第39页 |
| 3.3.3 复合元音的产生 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 实验与方法 | 第41-51页 |
| 4.1 HMM/PNN混合模型仿真实验 | 第41-44页 |
| 4.1.1 应用HMM/PNN建立声学模型 | 第41-43页 |
| 4.1.2 测试HMM/PNN混合模型 | 第43-44页 |
| 4.2 应用DIVA模型提取语音特征 | 第44-50页 |
| 4.2.1 DIVA模型的接口 | 第44-45页 |
| 4.2.2 增加听觉感知至DIVA模型 | 第45-46页 |
| 4.2.3 共振峰频率提取方法 | 第46-50页 |
| 4.3 本章小结 | 第50-51页 |
| 第5章 结果与讨论 | 第51-60页 |
| 5.1 混合模型的实验结果及分析 | 第51-55页 |
| 5.1.1 复合元音/ai/的发音 | 第51-52页 |
| 5.1.2 激活的脑区范围比较 | 第52-53页 |
| 5.1.3 结果分析 | 第53-55页 |
| 5.2 汉语复合元音发音仿真 | 第55-59页 |
| 5.2.1 复合元音/ai/对应的声道配置 | 第55页 |
| 5.2.2 DIVA模型生成汉语复合元音/ai/的仿真步骤 | 第55-56页 |
| 5.2.3 复合元音/ai/在DIVA模型中的仿真结果 | 第56-58页 |
| 5.2.4 汉语发音方法与英语发音的异同点 | 第58-59页 |
| 5.3 本章小结 | 第59-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第65-66页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第66-67页 |
| 致谢 | 第67页 |
