📄 ml.htm
字号:
<!ArtChnTitle>
<!ArtChnAuthor>
<!ArtAuthorAddress>
<!ArtChnAbstract>
<!ArtChnKeyword>
<!ArtEngTitle>
<!ArtEngAuthor>
<!ArtEngAbstract>
<!ArtEngKeyword>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
<meta name="GENERATOR" content="Microsoft FrontPage 5.0">
<title>学位论文－基于DSP的实时语音识别理论方法和应用研究</title>
<style>A:link {COLOR: #000000; FONT-FAMILY: 宋体; TEXT-DECORATION: none}
A:visited {COLOR: #000000; FONT-FAMILY: 宋体; TEXT-DECORATION: none}
A:active {FONT-FAMILY:宋体; TEXT-DECORATION: none}
A:hover {COLOR: #000000;TEXT-DECORATION:none}
BODY {FONT-FAMILY:宋体; FONT-SIZE: 9pt;TEXT-DECORATION:none}
TABLE {FONT-FAMILY: 宋体; FONT-SIZE: 9pt}
.H1 {FONT-SIZE: 9pt; COLOR: #0000cc}
.ourfont {FONT-SIZE: 9pt; LINE-HEIGHT: 14pt}
select {font-size:12px;}
.wx {BACKGROUND: #001863; BORDER-BOTTOM: white 1px solid; BORDER-LEFT: white 1px solid; BORDER-RIGHT: white 1px solid; BORDER-TOP: white 1px solid; COLOR: #ffffff; FONT-SIZE: 9pt; FONT-STYLE: normal; FONT-VARIANT: normal; FONT-WEIGHT: normal; HEIGHT: 18px; LINE-HEIGHT: normal}
.wx1 {border-top: #c0c0c0 1px;border-left: #c0c0c0 1px;border-right:#c0c0c0 1px;border-bottom:#c0c0c0 1px;border-style:inset;background-color:#ffffff;vertical-align:text-bottom}
</style>
</head>
<body bgcolor="#FFFFFF" link="#000000" background="../image/bg.gif.htm" tppabs="http://wanfang.lib.sjtu.edu.cn/%7eCDDBN/Y370689/image/bg.gif">
<img src="../../images/xwlwk.jpg.htm" tppabs="http://wanfang.lib.sjtu.edu.cn/%7eCDDBN/images/xwlwk.jpg" width="750" height="94">
<table width="83%" border="0" cellspacing="0" cellpadding="0">
<tr>
<td width="19%"><p> </p>
<p></p></td>
<td width="81%"><p>馆藏号：Y370689<br>
<br>
论 文 题 目：<strong style="font-weight: 400">基于DSP的实时语音识别理论方法和应用研究</strong><br>
学位授予单位：北京航空航天大学<br>
作 者：何强<br>
申请学位级别：博士<br>
学 科 名 称：信号与信息处理<br>
指 导 教 师：毛士艺;张有为<br>
出 版 时 间：2000.4<br>
摘 要：<br>
该文从最基本的语音数据搜集入手,首先建立了一个基于SQL和MATLAB的小型专用语音库;接着研究了小滤变换在信号奇异值检测方面的能力,并将此特性应用于汉语音节的声韵分割算法,完成了语音库中大量语音数据的声韵标定工作;探讨了小波神经网络有信号拟合和模式识别中的应用,提出了克服信号周期变化的自适应小小神经网络,并尝试采用信号的APWNN网络参数进行汉语元音识别.研究了HMM模型参数训练算法,给出了用Lagrange数乘法推导Baum-Welch重估公式的完整过程.研究了Baum-Welch算法的溢出问题;研究了HMM模型的精度和有限的训练数据之间的矛盾,以及HMM模型参灵敏的共享和平滑,提出了平滑声韵基元HMM训练算法,充分利用整个音节序列的数据对声韵基元进行训练,提高了系统的识别率.<br> <br>
分 类 号：TN912.34<br>
关 键 词：语音识别;语音库;隐含马尔柯夫过程;数字信号处理器
<p align="center">
<table width="80" border="0" cellspacing="0" cellpadding="0">
<tr>
<td bgcolor="#cccccc">
<table width="100%" border="0" cellspacing="1" cellpadding="0">
<tr style="CURSOR: hand">
<td bgcolor="#CCCCCC" onMouseOver="this.bgColor='#999999';" onMouseOut="this.bgColor='#cccccc';" valign="bottom" height="18" NAME="NAME_BALL" STYLE="cursor:hand" child="FALL"><div align="center"><strong><font size="4"><a href="index.htm" tppabs="http://wanfang.lib.sjtu.edu.cn/%7eCDDBN/Y370689/PDF/index.htm">PDF正文</a></font></strong></div></td>
</tr>
</table></td>
</tr>
</table>
</td>
</tr>
</table>
<div align="center"></div>
</body>
</html>
⌨️ 快捷键说明
复制代码
Ctrl + C
搜索代码
Ctrl + F
全屏模式
F11
切换主题
Ctrl + Shift + D
显示快捷键
?
增大字号
Ctrl + =
减小字号
Ctrl + -