硕士论文题目.docVIP

中山大学硕士论文 基于内容的声音检索方法研究及多媒体数据库eBase3.1系统实现 PAGE PAGE 26 中山大学硕士论文 基于内容的声音检索方法研究及多媒体数据库eBase3.1系统实现 硕士论文题目 基于内容的声音检索方法研究 及多媒体数据库eBase3.1系统实现 作者姓名：胡 煜 导师姓名：李磊教授 专业名称：应用数学 答辩委员会委员（签名） 主席： 委员： 目 录 TOC \o 1-3 摘 要 3 Abstract 4 第一章 前言 5 论文贡献和内容 5 第二章 语音数字处理方法 7 2．1 前言 7 2．1．1 语音识别的意义 7 2．1．2 语音识别模型 8 2．1．3 语音识别的类型和问题 8 2．2 语音信号处理方法研究 9 2．2．1 语音信号处理基础 9 2．2．2 语音分析 15 2．2．3 特征匹配及识别 21 2．3 语音识别系统现状 26 第三章 语音识别策略 28 3．1 策略概要 28 3．2 特征抽取方法 28 3．2．1 概述 28 3．2．2 线性预测编码LPC 28 3．2．3 倒谱 Cepstrum 30 3．2．4 Gabor滤波 32 3．3 索引 32 3．3．1 概述 32 3．3．2 基于SOM和统计检验的索引算法 33 3．3．3 分段索引 38 3．3．4 二重索引 39 3．3．5 小结 40 3．4 实验结果与分析 40 3．4．1 AudioHouse系统 40 3．4．2 测试配置 40 3．4．3 测试结果 41 第四章 多媒体数据库eBase3.1 45 4．1 多媒体数据库eBase简介 45 4．2 多媒体数据库的系统实现 46 4．2．1 数据建模 46 4．2．2 逻辑框架 47 4．2．3 功能框架 52 4．2．4 eBase的特点 52 4．3 小结 54 第五章 前景展望 55 第六章 总结 57 致 谢 58 参考文献 59  摘 要 声音的机器识别成为一个科研课题已有四十年之久。尽管设计可以识别语音并能辨别其含义的智能机器有不可抗拒的魅力，尽管已经投入了大量的力量去研制这样的机器，但是可以在任何环境下识别任意讲演者关于任何话题的讲演仍未实现。 从语音信号中以高效的、稳健的方式抽取相关信息是语音识别的第一步。本文介绍了三种语音特征抽取方法：线性预测编码（LPC）、倒谱（Cepstrum）及Gabor滤波法，并根据实验结果分析了不同特征抽取方法反映的不同的语音特征。 如何判定语音样本的相似性是语音识别的关键问题之一。对于不同的识别系统，样本比较的方法千差万别。本文给出了基于SOM和统计检验的索引、分段索引以及二重索引的方法。该方法弥补了传统的多维索引方法和基于SOM索引方法的不足，适应语音特征，有效地将语音特征动态索引。观察实验结果可以清楚地看出，索引方法的查询效率要远远优于顺序查找，基本达到了特征索引的要求。 我们改造了多媒体数据库引擎eBase3.0以扩展其多媒体功能。新的数据库引擎eBase3.1可以处理声音信号，并识别简单的单词。它采用了基于SOM和统计检验的索引、分段索引以及二重索引的方法获取相似样本集。它的开放性框架使它具有媒体独立性和特征扩充性。这两个特性使eBase3.1具有广泛的适应性。 关键字 基于内容 声音检索 分段索引 二重索引 多媒体数据库 多维索引 神经网络 特征影射网 媒体独立性 特征扩充性 Abstract Automatic recognition of speech by machine has been a goal of research for more than four decades. However, in spite of the glamour of designing an intelligent machine that can recognize the spoken word and comprehend its meaning, and in spite of the enormous research efforts spent in trying to create such a machine, we are far from achieving the desired goal of a machine that can understand spoken discourse on any subject by all speake