文摘
英文文摘
独创性声明和关于论文使用授权的说明
第一章绪论
§1.1自动语音识别的隐马尔可夫模型及其局限性
§1.1.1自动语音识别的统计模型
§1.1.2隐马尔可夫模型
§1.1.3隐马尔可夫模型的局限性
§1.2分段模型
§1.2.1统一的数学模型描述
§1.2.2分段模型与HMM的比较
§1.2.3典型分段模型及其相关工作简述
§1.3可信度度量
§1.3.1可信度度量及其可能的应用
§1.3.2已有的研究工作
§1.3.3现有方法的缺陷
§1.4本文的研究内容和组织
第二章参数轨迹模型及其特性分析
§2.1参数轨迹模型
§2.1.1基本参数轨迹模型
§2.1.2分段参数轨迹模型
§2.1.3静音模型
§2.2参数轨迹模型与HMM的关系
§2.3实验结果与结论
§2.3.1汉语数码库
§2.3.2基本参数轨迹模型
§2.3.3分段参数轨迹模型
§2.3.4静音模型
§2.4小结
第三章结合声调特征的参数轨迹模型
§3.1声调特征的意义
§3.1.1随机多项式声调曲线模型
§3.1.2超音段特征的集成
§3.2声调软结合
§3.2.1基本原理
§3.2.2基频提取
§3.2.3基频数据丢失的处理
§3.3声调硬结合
§3.3.1基本原理
§3.3.2音调识别方法
§3.4实验结果与分析
§3.4.1声调软结合识别结果
§3.4.2声调硬结合识别结果
§3.5小结
第四章基于参数轨迹模型的连续数字串识别
§4.1连续汉语数字串识别的挑战
§4.2建模单元与模型实现方法的选择
§4.3解码搜索
§4.3.1基于帧的viterbi搜索算法
§4.3.2基于段的改进viterbi搜索算法
§4.3.3计算复杂度比较
§4.4定长参数轨迹模型
§4.4.1模型实现方法
§4.4.2实现过程中的问题处理
§4.4.3定长参数轨迹模型计算复杂度分析
§4.5实验结果分析及与HMM的对比
§4.5.1 HMM模型识别平台
§4.5.2定长参数轨迹模型识别平台
§4.6小结
第五章基于参数轨迹模型方法的可信度度量
§5.1参数轨迹模型的可信度度量方法
§5.2参数轨迹模型用作可信度度量的优势
§5.2.1 PTM得分的可区分性
§5.2.2 PTM校验的可比性
§5.3可能的问题
§5.4小结
第六章参数轨迹模型可信度度量与HMM模型的融合
§6.1在搜索阶段的可信度度量
§6.1.1原理
§6.1.2可信度度量方法
§6.1.3实验结果与分析
§6.1.4评论
§6.2在假设检验后处理阶段的可信度度量
§6.2.1经典假设检验概述
§6.2.2参数轨迹模型校验的拒识方法
§6.2.3实验结果与分析
§6.3小结
第七章总结及将来的工作
§7.1作者的主要工作
§7.2进一步需要开展的工作
参考文献
个人简历、在学期间的研究成果及发表的学术论文
致谢