摘要 | 第4-5页 |
Abstract | 第5页 |
第1章 绪论 | 第8-14页 |
1.1 语音识别技术研究意义 | 第8-9页 |
1.2 语音识别技术研究发展史与现状 | 第9-11页 |
1.2.1 国外研究发展历史 | 第9-10页 |
1.2.2 国内研究发展历史 | 第10页 |
1.2.3 国内外研究发展现状 | 第10-11页 |
1.3 本文研究工作 | 第11-12页 |
1.4 论文主要章节安排 | 第12-14页 |
第2章 基于HMM的语音识别混合模型 | 第14-31页 |
2.0 语音识别系统结构 | 第14-15页 |
2.1 语音特征参数提取 | 第15-16页 |
2.2 基于HMM的语音识别混合模型 | 第16-22页 |
2.2.1 隐马尔可夫模型 | 第16-17页 |
2.2.2 深度神经网络 | 第17-19页 |
2.2.3 CD-DNN-HMM语音识别模型 | 第19-21页 |
2.2.4 BLSTM-HMM语音识别模型 | 第21-22页 |
2.3 实验结果与分析 | 第22-30页 |
2.3.1 实验环境及数据集 | 第22-23页 |
2.3.2 实验内容及相关参数设置 | 第23-25页 |
2.3.3 结果与分析 | 第25-30页 |
2.4 本章小结 | 第30-31页 |
第3章 基于连接时序分类的BLSTM语音识别改进模型 | 第31-48页 |
3.1 基于HMM的混合模型存在的问题 | 第31-32页 |
3.2 基于BLSTM-CTC的语音识别模型 | 第32-33页 |
3.3 基于BLSTM-CTC的语音识别过程 | 第33-36页 |
3.3.1 BLSTM-CTC系统的训练过程 | 第33-34页 |
3.3.2 基于集束搜索的序列解码 | 第34-36页 |
3.4 实验结果与分析 | 第36-40页 |
3.4.1 实验环境 | 第36页 |
3.4.2 实验内容及相关参数设置 | 第36-37页 |
3.4.3 结果与分析 | 第37-40页 |
3.5 BLSTM-CTC语音识别过程的优化 | 第40-47页 |
3.5.1 运行效率的优化 | 第40-42页 |
3.5.2 识别精度的优化 | 第42-43页 |
3.5.3 实验结果及分析 | 第43-47页 |
3.6 本章小结 | 第47-48页 |
第4章 2-BGRU-CTC模型在英语口语评分中的应用 | 第48-56页 |
4.1 在线英语学习口语评分系统架构 | 第49-50页 |
4.2 基于2-BGRU-CTC模型的口语评分过程 | 第50-52页 |
4.2.1 识别结果与标准模板的误差度量 | 第51页 |
4.2.2 基于编辑距离的评分与纠错方法的设计 | 第51-52页 |
4.2.3 基于2-BGRU-CTC的在线英语学习口语评分流程 | 第52页 |
4.3 评分结果分析 | 第52-54页 |
4.4 本章小结 | 第54-56页 |
第5章 总结与展望 | 第56-58页 |
5.1 总结 | 第56页 |
5.2 展望 | 第56-58页 |
致谢 | 第58-59页 |
参考文献 | 第59-62页 |
攻读硕士学位期间的研究成果 | 第62页 |