| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第11-15页 |
| 1.1 研究背景与意义 | 第11-12页 |
| 1.2 藏语语音识别技术的发展现状 | 第12-13页 |
| 1.3 论文创新点 | 第13页 |
| 1.4 本文主要内容及结构 | 第13-15页 |
| 第二章 语音识别基本原理和相关理论 | 第15-27页 |
| 2.1 人脑语音识别机理 | 第15-16页 |
| 2.2 数字语音信号预处理 | 第16页 |
| 2.3 数字语音信号的特征提取 | 第16-17页 |
| 2.3.1 时域特征 | 第16-17页 |
| 2.3.2 频域特征 | 第17页 |
| 2.4 声学模型 | 第17-23页 |
| 2.4.1 隐马尔科夫模型(HMM) | 第18-22页 |
| 2.4.2 GMM-HMM声学模型 | 第22-23页 |
| 2.5 语言模型 | 第23-24页 |
| 2.6 藏语语音基本特点 | 第24-27页 |
| 第三章 基于深度学习的藏语语音特征提取研究 | 第27-37页 |
| 3.1 深度学习的基本思想和常用方法 | 第27-28页 |
| 3.1.1 深度学习的基本思想 | 第27页 |
| 3.1.2 深度学习的常用模型 | 第27-28页 |
| 3.2 稀疏自动编码器模型 | 第28-32页 |
| 3.2.1 稀疏自动编码器原理 | 第28-31页 |
| 3.2.2 基于稀疏自动编码器的藏语深度特征提取模型 | 第31-32页 |
| 3.3 深度置信网模型 | 第32-37页 |
| 3.3.1 深度置信网模型原理 | 第32-35页 |
| 3.3.2 基于深度置信网的藏语深度特征提取模型 | 第35-37页 |
| 第四章 基于深度特征的藏语语音识别声学模型研究 | 第37-41页 |
| 4.1 建模单元的选择 | 第37-38页 |
| 4.2 HMM模型训练 | 第38页 |
| 4.2.1 triphones模型训练 | 第38页 |
| 4.3 基于深度特征的声学建模 | 第38-39页 |
| 4.4 基于深度特征和人工特征相结合的声学建模 | 第39-41页 |
| 第五章 仿真与实验 | 第41-48页 |
| 5.1 语音样本库的建立 | 第41-42页 |
| 5.1.1 语音信号预处理 | 第41-42页 |
| 5.2 基于MFCC特征的声学模型实验结果 | 第42页 |
| 5.2.1 音素、音节识别结果 | 第42页 |
| 5.3 基于深度特征的声学模型实验结果 | 第42-48页 |
| 5.3.1 基于SA的音素、音节识别结果 | 第42-44页 |
| 5.3.1.1 实验设置 | 第42页 |
| 5.3.1.2 实验结果 | 第42-44页 |
| 5.3.2 基于DBN的音素、音节识别结果 | 第44-48页 |
| 5.3.2.1 实验设置 | 第44-45页 |
| 5.3.2.2 实验结果 | 第45-48页 |
| 第六章 总结与展望 | 第48-50页 |
| 6.1 总结 | 第48页 |
| 6.2 展望 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 致谢 | 第52-53页 |
| 攻读学位期间发表的学术论文目录 | 第53页 |