基于深度学习的语音识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研究的目的与意义 | 第10-11页 |
| 1.2 国内外研究背景 | 第11-12页 |
| 1.2.1 国外研究背景 | 第11-12页 |
| 1.2.2 国内研究背景 | 第12页 |
| 1.3 语音识别的评价指标 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13-14页 |
| 第2章 语音识别的相关技术 | 第14-34页 |
| 2.1 语音识别的基本原理 | 第14页 |
| 2.2 语音信号的预处理 | 第14-19页 |
| 2.2.1 预加重 | 第15-16页 |
| 2.2.2 分帧加窗 | 第16-18页 |
| 2.2.3 谱熵法端点检测 | 第18-19页 |
| 2.3 传统语音特征参数提取方法 | 第19-25页 |
| 2.3.1 LPCC语音特征参数提取 | 第20-22页 |
| 2.3.2 MFCC语音特征参数提取 | 第22-25页 |
| 2.4 模态化分形维数 | 第25-31页 |
| 2.4.1 经验模态分解理论 | 第25-28页 |
| 2.4.2 分形理论 | 第28-30页 |
| 2.4.3 EMD-FD语音特征参数提取改进算法 | 第30-31页 |
| 2.5 语音特征参数仿真分析 | 第31-33页 |
| 2.5.1 仿真条件 | 第32页 |
| 2.5.2 仿真结果与分析 | 第32-33页 |
| 2.6 本章小结 | 第33-34页 |
| 第3章 传统声学模型理论分析及构建 | 第34-48页 |
| 3.1 隐马尔科夫模型 | 第34-35页 |
| 3.1.1 隐马尔科夫模型的构建 | 第34-35页 |
| 3.1.2 隐马尔科夫模型的选择 | 第35页 |
| 3.2 隐马尔可夫模型的经典问题 | 第35-43页 |
| 3.2.1 语音评估问题 | 第36-38页 |
| 3.2.2 语音特征序列解码问题 | 第38-39页 |
| 3.2.3 语音特征序列训练问题 | 第39-43页 |
| 3.3 高斯混合-隐马尔可夫模型 | 第43-45页 |
| 3.4 传统声学模型语音识别仿真分析 | 第45-47页 |
| 3.4.1 仿真条件 | 第45-46页 |
| 3.4.2 仿真结果与分析 | 第46-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 语音训练中的深度学习网络模型 | 第48-61页 |
| 4.1 深度学习在语音识别中的应用 | 第48-49页 |
| 4.2 DNN神经网络模型 | 第49-56页 |
| 4.2.1 DNN神经网络模型结构 | 第49-51页 |
| 4.2.2 DNN神经网络模型训练算法 | 第51-55页 |
| 4.2.3 Dropout策略 | 第55-56页 |
| 4.3 LSTM神经网络模型 | 第56-60页 |
| 4.3.1 LSTM神经网络模型结构 | 第56-57页 |
| 4.3.2 LSTM神经网络模型训练算法 | 第57-60页 |
| 4.3.3 LSTM神经网络模型解码算法 | 第60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 基于深度学习的语音识别仿真分析 | 第61-69页 |
| 5.1 LSTM神经网络模型训练算法仿真分析 | 第62-65页 |
| 5.1.1 仿真条件 | 第62-63页 |
| 5.1.2 仿真结果与分析 | 第63-65页 |
| 5.2 深度学习网络模型语音识别仿真分析 | 第65-68页 |
| 5.2.1 仿真条件 | 第65-67页 |
| 5.2.2 仿真结果与分析 | 第67-68页 |
| 5.3 本章小结 | 第68-69页 |
| 结论 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读学位期间发表的学术成果 | 第74-75页 |
| 致谢 | 第75页 |
