摘要 | 第4-5页 |
abstract | 第5-6页 |
第1章 绪论 | 第10-17页 |
1.1 课题来源、背景及意义 | 第10-11页 |
1.1.1 课题来源 | 第10页 |
1.1.2 课题背景及意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-13页 |
1.3 关键词识别技术的关键问题 | 第13-15页 |
1.4 论文组织结构 | 第15-17页 |
第2章 语音关键词识别的关键技术 | 第17-30页 |
2.1 引言 | 第17页 |
2.2 本文算法研究方案设计 | 第17-18页 |
2.3 有监督的关键词识别算法 | 第18-24页 |
2.3.1 语音特征描述 | 第18-22页 |
2.3.2 声学模型 | 第22-24页 |
2.4 无监督的关键词识别算法 | 第24-28页 |
2.4.1 语音特征描述 | 第24-26页 |
2.4.2 匹配算法 | 第26-28页 |
2.5 性能评价指标 | 第28-29页 |
2.6 本章小结 | 第29-30页 |
第3章 基于补白模型的有监督关键词识别算法研究 | 第30-45页 |
3.1 引言 | 第30-31页 |
3.2 算法框架设计 | 第31页 |
3.3 算法改进与实现 | 第31-36页 |
3.3.1 声学特征提取 | 第31-32页 |
3.3.2 声学模型建模 | 第32-33页 |
3.3.3 模型参数训练 | 第33-34页 |
3.3.4 关键词检测确认 | 第34-35页 |
3.3.5 抗噪性能改进 | 第35-36页 |
3.4 实验结果及分析 | 第36-44页 |
3.4.1 语音库创建、实验环境及算法实现语言说明 | 第36-38页 |
3.4.2 特征提取及模型训练实验分析 | 第38-39页 |
3.4.3 补白模型数量对性能影响的分析 | 第39页 |
3.4.4 抗噪声性能改进对比分析 | 第39-44页 |
3.5 本章小结 | 第44-45页 |
第4章 基于SLN-DTW的无监督关键词识别算法研究 | 第45-58页 |
4.1 引言 | 第45页 |
4.2 算法框架设计 | 第45-46页 |
4.3 算法改进与实现 | 第46-52页 |
4.3.1 特征提取 | 第46-47页 |
4.3.2 模板融合改进 | 第47-49页 |
4.3.3 基于SLN-DTW的关键词匹配 | 第49-51页 |
4.3.4 分数校准及阈值选择 | 第51-52页 |
4.4 实验结果及分析 | 第52-57页 |
4.4.1 语音库、实验环境及算法实现语言说明 | 第52页 |
4.4.2 特征提取及阈值选择实验分析 | 第52-54页 |
4.4.3 基础模板数量对算法的性能影响分析 | 第54-56页 |
4.4.4 模板融合改进及算法性能对比分析 | 第56-57页 |
4.4.5 数据依赖性对比分析 | 第57页 |
4.5 本章小结 | 第57-58页 |
第5章 基于语段特征和Syllablebased-DTW的快速关键词识别及系统实现 | 第58-77页 |
5.1 引言 | 第58页 |
5.2 算法框架设计 | 第58-60页 |
5.3 算法改进与实现 | 第60-64页 |
5.3.1 语段特征提取 | 第60-61页 |
5.3.2 基于音节边界的候选区域及优先队列确认 | 第61-63页 |
5.3.3 关键词识别 | 第63-64页 |
5.4 系统结构设计及实现 | 第64-67页 |
5.5 实验结果及分析 | 第67-75页 |
5.5.1 语音库、实验环境及系统实现语言说明 | 第67-68页 |
5.5.2 语段特征提取及对关键词区分性能分析 | 第68-71页 |
5.5.3 候选区域匹配方法及优先队列性能分析 | 第71-73页 |
5.5.4 CPU时间、算法结构及识别结果对比分析 | 第73-75页 |
5.6 本章小结 | 第75-77页 |
第6章 总结与展望 | 第77-79页 |
6.1 论文总结 | 第77-78页 |
6.2 研究展望 | 第78-79页 |
致谢 | 第79-80页 |
参考文献 | 第80-85页 |
攻读学位期间发表的学术成果及参与的科研项目 | 第85页 |
1.攻读学位期间发表的学术成果 | 第85页 |
2.硕士期间参与的科研项目 | 第85页 |