| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第11-16页 |
| 1.1 语音识别概述 | 第11页 |
| 1.2 语音识别的发展与研究现状 | 第11-12页 |
| 1.3 卷积神经网络在语音识别中的应用 | 第12-13页 |
| 1.4 论文主要研究问题和内容 | 第13-14页 |
| 1.4.1 研究问题 | 第13-14页 |
| 1.4.2 研究内容 | 第14页 |
| 1.5 论文结构安排 | 第14-15页 |
| 1.6 本章总结 | 第15-16页 |
| 2 语音识别基础理论 | 第16-27页 |
| 2.1 语音识别基本原理 | 第16-17页 |
| 2.2 语音特征提取 | 第17-20页 |
| 2.2.1 语音信号预处理 | 第17-18页 |
| 2.2.2 常用语音信号特征及提取 | 第18-20页 |
| 2.3 声学模型 | 第20-23页 |
| 2.3.1 声学建模单元 | 第21页 |
| 2.3.2 GMM-HMM声学建模 | 第21-23页 |
| 2.4 语言模型 | 第23-24页 |
| 2.5 解码器 | 第24-25页 |
| 2.6 传统语音识别技术的不足之处 | 第25-26页 |
| 2.7 本章总结 | 第26-27页 |
| 3 卷积神经网络基本理论 | 第27-41页 |
| 3.1 神经网络基础理论 | 第27-33页 |
| 3.1.1 神经元模型 | 第27-29页 |
| 3.1.2 感知器和多层前馈网络 | 第29-31页 |
| 3.1.3 反向传播算法 | 第31-33页 |
| 3.2 卷积神经网络基本结构及其前向传播 | 第33-37页 |
| 3.2.1 卷积层 | 第34-35页 |
| 3.2.2 池化层 | 第35-36页 |
| 3.2.3 全连接层及softmax输出层 | 第36-37页 |
| 3.3 卷积神经网络的训练 | 第37-40页 |
| 3.4 本章总结 | 第40-41页 |
| 4 基于深度卷积神经网络的声学模型构建 | 第41-55页 |
| 4.1 基于CNN-HMM的声学建模 | 第41-43页 |
| 4.2 实验工具及配置 | 第43-47页 |
| 4.2.1 CNTK及Kaldi简介 | 第43-45页 |
| 4.2.2 实验数据集 | 第45页 |
| 4.2.3 实验准备工作 | 第45-47页 |
| 4.3 GMM-HMM基线系统 | 第47页 |
| 4.4 深度卷积神经网络声学建模实验 | 第47-51页 |
| 4.4.1 DNN-HMM声学建模 | 第48-49页 |
| 4.4.2 浅层CNN-HMM声学建模 | 第49-50页 |
| 4.4.3 Deep CNN-HMM声学建模 | 第50-51页 |
| 4.5 实验结果及分析 | 第51-53页 |
| 4.5.1 实验结果 | 第52-53页 |
| 4.5.2 实验分析 | 第53页 |
| 4.6 本章总结 | 第53-55页 |
| 5 基于深度卷积神经网络的时-频谱特征提取 | 第55-61页 |
| 5.1 语谱图 | 第55-56页 |
| 5.2 时-频谱特征提取理论基础 | 第56-57页 |
| 5.3 基于深度卷积神经网络的时-频谱特征提取实验 | 第57-60页 |
| 5.3.1 实验设计及步骤 | 第57-59页 |
| 5.3.2 实验结果及分析 | 第59-60页 |
| 5.4 本章总结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 工作总结 | 第61页 |
| 6.2 未来展望 | 第61-63页 |
| 参考文献 | 第63-65页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第65-67页 |
| 学位论文数据集 | 第67页 |