文档介绍：卜’,学科专业:计算机应用技术研究生:方芳指导教师:许林英副教授天津大学计算机科学与技术学院二零一零年十二月一苓一苓,年辉一夕.●~●..
:釉‘關月/学位论文作者签名:嘀茄学位论文作者签名:.独创性声明阴‘日学位论文版权使用授权书或撰写过的研究成果,也不包含为获得苤生态鲎或其他教育机构的学位或证本学位论文作者完全了解苤鲞盘堂有关保留、使用学位论文的规定。:知年胁月‘日本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果,除了文中特别加以标注和致谢之处外,论文中不包含其他人已经发表书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签字日期:年索,并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。C艿难宦畚脑诮饷芎笫视帽臼谌ㄋ得导师签名:
中文摘要/征参数,构建人工神经网络和隐马尔科夫模型迪挚诔杂镆关键词:口吃识别,口吃特征提取,神经网络,隐马尔科夫模型,灰色关联度,口吃是一种言语疾病,随着人工智能的发展,计算机的普及以及智能医疗的需求,智能识别口吃类型逐渐被提到日程上来并具有重要研究意义。本文基于语音识别的基础,结合口吃语音的特点选择谱包络作为口吃语音特自动识别的过程。论文首先介绍了语音识别的基础及当前语音识别的发展情况,并分析了口吃语音识别研究的历史、现状与难点以及口吃识别分类的流程方法。本文构建的口吃语音库语音类别共有四种,分别为停顿语音,重复语音,拉长语音和流利语音,结合当前研究现状采取了两种手动切割方法获取口吃语音,对语音进行预处理,包括预加重、平稳性分帧,然后提取谱包络特征系数作为参数并采取灰色关联度算法和等部分划分方法进行规整。接下来论文详细讨论应用神经网络和隐马尔科夫模型进行口吃语音识别的分析过程和设计思想:神经网络选取三层感知器前馈结构,并采取误差反向传播算法对口吃语音进行训练和识别:隐马尔科夫模型选取从左到右的连续模型并建立了对应不同口吃类别的四个模型,,最后使用惴ń惺侗稹论文最后进行算法实现及实验,实验结果表明口吃类别的识别率较为理想。论文结尾总结了实验中的不足和存在的问题以及今后口吃识别的发展前景。‘’分段邓惴毋,,
.~,,琣瑃.,琣,瑃甀瑆,.,瓼,.删琫.,睁,¨·
目录第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯选题背景及研究意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..论文的研究内容和主要工作⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯论文的组织结构安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..口吃语音识别研究综述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..语音基础知识⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。语音识别概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。语音识别的基本原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯语音识别的主要方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯口吃语音识别与语音识别的差异⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯口吃语音识别概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一口吃的产生和类别⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯口吃语音识别研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯口吃语音识别的难点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯口吃语音的分析、处理以及特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯口吃语音分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.口吃语音预处理设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯口吃语音数字化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..手动切割口吃语音⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.口吃语音平稳性分帧⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯平滑口吃语音信号⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。提取口吃语音特征参数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯口吃语音特征参数提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。特征参数规整方法设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..口吃语音识别算法设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.基于P偷目诔杂镆羰侗鹚惴ㄉ杓啤驹K厝范ā仄私峁沟纳杓啤~.“第二章第三章预加重⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..口吃语音频谱包络分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第四章.~,●
训练学习算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯逃胗镆舳杂叵怠搭建把八惴ā评估求值算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..口吃语音识别