1. 研究目的与意义
语音信号处理技术的发展体现在生活中的各个方面，其重要性和现实意义也早已超乎大众的想象，早期的ＢＢ机到电话、大哥大到手机和智能机的这一系列发展表明语音信号处理技术正迅速发展。
目前，在语音信号处理方面已经取得了非常大的进展，语音信号处理技术在计算机接口与人机交互方面应用得最为广泛。
语音信号处理技术涵盖得非常广泛，包括语音识别、说话人的识别和确定、语种的识别和确认、关键词的检测和确认、语音的合成和语音编码等。
2. 课题关键问题和重难点
关键问题：1、噪声环境特征的分析2、噪声环境中语音信号的识别调研与学习3、在噪声环境中，对语音信号的检测与识别，并给定一定背景下的仿真难点： 1、麦克风阵列采集信号的原理和方法2、在强噪声干扰环境下语音识别困难。
由于语音数据大部分都是在接近理想的条件下采集的，语音识别的编码方案在研制时都要在高保真设备上录制语音，尤其要在无噪环境下录音。
然而，当语音处理由实验室走向实际应用时，环境噪声存在所带来的问题就变得越来越重要，特别是线性预测作为语音处理技术中最有的手段恰恰是最容易受噪声影响的。
3. 国内外研究现状（文献综述）
近年来，语音识别在通信领域的地位越发的重要。
要实现人与计算机毫无障碍的对话，还必须要开展跨多学科的研究，如语言学、生理学、声学、信息学、通信原理和计算机科学等等，只有全面了解分析语音信号的特性之后，才能赋予计算机真正的人类意义上的语言，根据人类发音器官和听觉器官机理，建立一个真实客观的数学模型和物理模型。
语音识别是理想的人机交互的中介工具，是推动机器向更智能化发展的重要技术。
4. 研究方案
语音识别系统结构图：图1 语音识别系统结构图1、根据语音信号波形提取有效的声学特征，常用的声学特征是MFCCMFCC的特征提取过程：图2 MFCC的特征提取过程2、DNN-HMM采用DNN的每个输出节点来估计给定声学特征的条件下HMM某个状态的后验概率。
DNN-HMM的语音识别系统框架：图3 基于DNN-HMM的语音识别系统框架 3、语言模型用来预测字符序列产生的概率，判断一个语言序列是否为正常语句，RNN用于语言模型建模。
4、预处理包括预滤波、采样、A/D转换、预加重、分帧加窗、端点检测等。
5. 工作计划
第1周准备开题报告，阅读并摘要与课题有关的中文资料，收集相关设计资料。
第2周准备开题报告，阅读并摘要与课题有关的中文资料，收集相关设计资料。
第3周完成开题报告，完成与课题相关的中文资料摘要。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
