贝叶斯网络在语音鲁棒性识别中的应用
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 表目录 | 第8-9页 |
| 图目录 | 第9-10页 |
| 第一章 绪论 | 第10-13页 |
| ·语音识别的回顾和问题 | 第10-11页 |
| ·贝叶斯网络与语音识别 | 第11页 |
| ·本论文研究主题和论文安排 | 第11-13页 |
| 第二章 噪声环境下的连续语音识别系统 | 第13-23页 |
| ·语音识别的整体模型 | 第13-14页 |
| ·常用语音特征及其鲁棒性 | 第14-18页 |
| ·短时能量参数 | 第15页 |
| ·美尔频率倒谱系数 | 第15-16页 |
| ·RASTA-PLP参数 | 第16-18页 |
| ·模型训练 | 第18-19页 |
| ·声学模型训练 | 第18-19页 |
| ·语言模型训练 | 第19页 |
| ·识别性能测试 | 第19-20页 |
| ·噪声环境下的语音识别 | 第20-21页 |
| ·实验平台概述 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第三章 贝叶斯网络与语音识别 | 第23-31页 |
| ·图模型和贝叶斯网络 | 第23-25页 |
| ·推理 | 第24-25页 |
| ·结构学习 | 第25页 |
| ·参数学习 | 第25页 |
| ·VBEM算法 | 第25-30页 |
| ·含隐含变量的参数学习 | 第26页 |
| ·EM算法 | 第26-28页 |
| ·VBEM算法 | 第28-30页 |
| ·小结 | 第30-31页 |
| 第四章 语音能量的鲁棒性估计 | 第31-42页 |
| ·语音能量的表示 | 第31页 |
| ·RASTA-PLP能量的估计 | 第31-34页 |
| ·用贝叶斯网络估计谱能量 | 第34-41页 |
| ·小结 | 第41-42页 |
| 第五章 贝叶斯网络用于多流特征融合 | 第42-61页 |
| ·辅助特征 | 第42-43页 |
| ·贝叶斯网络引入模型 | 第43-45页 |
| ·Algonquin框架 | 第45-47页 |
| ·融合辅助特征后的Algonquin框架 | 第47-60页 |
| ·Algonquin框架在图17(a)上 | 第47-48页 |
| ·Algonquln框架在图17(b)上 | 第48-56页 |
| ·Algonquln框架在图17(c)上 | 第56-58页 |
| ·识别结果及分析 | 第58-60页 |
| ·小结 | 第60-61页 |
| 结束语 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 作者在学期间取得的学术成果 | 第65-66页 |
| 附录A 矩阵运算常用公式 | 第66-67页 |
| 附录B 条件高斯分布训练公式 | 第67页 |
