1. 研究目的与意义
语言模型是描述自然语言内在规律的数学模型。
语音识别是一门交叉学科。
语音识别过程不仅使用声学模型而且利用语言模型。
2. 课题关键问题和重难点
网络编码的缺陷也十分突出。
例如当两个节点之间进行数据传输的时候，会不可抗拒地出现延迟，这是由于节点的计算负担较大，影响了传输速度。
同时节点还担负了存储的任务，逐渐増加的缓存数量会随着网络规模的扩大进一步加重数据的延迟。
3. 国内外研究现状（文献综述）
[1]刘琦，尹国祥.基于Matlab的语音信号预处理技术研究[J].电子技术与软件工程，2014(1):62-63.[2]拉龙东智.藏语语音识别技术研究[D].西藏大学，2015.[3] Liu Z, Miao Z, Wan L. Speech blind signal separation withFastICA and MarkovChain combination[C]// International Conference on Signal Processing. IEEE,2015:541-544.[4] Sharma P, Singh A, Singh K. Probabilistic neural networks for hindi speechrecognition[C]// The International Conference on Communication and Computing Systems.2016:463-467.[5]李冠宇.基于HTK的藏语拉萨话大词表连续语音识别的研究与实现[J].西北民族大学学报(自然科学版).2011(03)[6]韩立华，王博，段淑凤.语音端点检测技术研究进展[J].计算机应用研究.2010(04)[7]惠博.语音识别特征提取算法的研究及实现[D].西北大学，2008.藏语语音识别技术研究：语音识别是一种计算机通过识别和理解过程把人类的语音信号变成相应的文本或命令的技术,这项技术的研究开始于50年代。
自从1952年贝尔在实验室成功研制了世界上第一个能识别十个英文数字发音的实验系统,语音识别这项技术被越来越多的国家机构和公司所关注并投入巨资进行研究和开发。
如今语音识别技术已经成为当今信息处理研究的一个热点。
4. 研究方案
1.多媒体单播当节点在对单播流进行网络编码时，不仅涉及到数据包与邻近节点的交换，还包括了对于重要数据的分类，例如截止时间，数据信息内容等；当下一次同类型的重要数据再次经过节点时，能够自动获得优先解码和编码，提高网络数据传输的稳定性，使网络编码在快速和可靠之间取得了均衡。
2.多媒体组播可以在网络编码的基础上，通过对分层视进行优先级分类，利用分布式优化算法，在每个节点上尽量扩大可用带宽，建立起一个多路径路由，在最入范围内接收尽可能多的编码包使数据传输的数量和质量得到保证，即带宽提升。
还可以建立一种组播方案，它在网络编码的环境下，利用节点移动性预测的上游节点来构建拥有多个节点的多树组播路由。
5. 工作计划
第1周： 查找文献和翻译文献 第2周： 撰写开题报告 第3周： 总体设计和规划 第4周： 实验数据收集第5周： 算法设计第6周： 软件程序设计第7周： 软件功能验证第8周： 系统的整合第9-10周： 系统的测试和验证第11周：规整毕设资料，撰写论文 第12周：提交论文 第13周：准备答辩 第14周：毕设结束工作
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。
