基于深度学习的孤立词语音识别系统设计
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题背景及研究的目的和意义 | 第9-12页 |
| 1.1.1 语音识别技术介绍 | 第10-11页 |
| 1.1.2 深度学习主要思想 | 第11-12页 |
| 1.2 国内外研究现状及发展趋势 | 第12-13页 |
| 1.3 本文的主要研究内容 | 第13-15页 |
| 第2章 语音识别基本原理 | 第15-31页 |
| 2.1 引言 | 第15页 |
| 2.2 语音识别系统的基本框架 | 第15页 |
| 2.3 语音信号的预处理 | 第15-17页 |
| 2.3.1 采样和量化 | 第15-16页 |
| 2.3.2 预加重 | 第16页 |
| 2.3.3 加窗分帧 | 第16-17页 |
| 2.3.4 端点检测 | 第17页 |
| 2.4 语音的特征提取 | 第17-18页 |
| 2.5 识别方法 | 第18-25页 |
| 2.5.1 HMM技术 | 第19-20页 |
| 2.5.2 HMM的结构与类型 | 第20-21页 |
| 2.5.3 HMM的基本思想 | 第21-22页 |
| 2.5.4 HMM的三个核心问题的提出 | 第22页 |
| 2.5.5 HMM基本算法 | 第22-25页 |
| 2.6 相关技术 | 第25-30页 |
| 2.6.1 深度学习理论 | 第25-26页 |
| 2.6.2 神经网络的建立 | 第26-29页 |
| 2.6.3 深度学习模型 | 第29-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第3章 孤立词语音识别系统的搭建 | 第31-41页 |
| 3.1 引言 | 第31页 |
| 3.2 孤立词识别系统 | 第31-32页 |
| 3.3 基于HMM的声学建模及训练 | 第32-35页 |
| 3.4 实验结果与分析 | 第35-40页 |
| 3.4.1 语音库的准备 | 第35-36页 |
| 3.4.2 实验配置 | 第36页 |
| 3.4.3 语音的特征提取及HMM训练 | 第36-39页 |
| 3.4.4 实验结果及分析 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于堆栈式自动编码器网络的声学特征提取 | 第41-50页 |
| 4.1 引言 | 第41页 |
| 4.2 自动编码器的工作原理 | 第41-42页 |
| 4.3 堆栈式自动编码器网络 | 第42-43页 |
| 4.4 深层特征的提取 | 第43-48页 |
| 4.4.1 网络的输入数据 | 第43页 |
| 4.4.2 堆栈式自动编码器网络的结构 | 第43-44页 |
| 4.4.3 批量算法的改进 | 第44-45页 |
| 4.4.4 网络的串行训练 | 第45-46页 |
| 4.4.5 堆栈式自动编码器网络提取的新特征 | 第46-47页 |
| 4.4.6 网络参数的设定 | 第47-48页 |
| 4.5 实验结果及分析 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 基于LabVIEW的孤立词识别系统设计 | 第50-56页 |
| 5.1 引言 | 第50页 |
| 5.2 系统设计理念 | 第50-51页 |
| 5.3 识别系统的实现 | 第51-55页 |
| 5.3.1 录音 | 第51-52页 |
| 5.3.2 播放 | 第52-53页 |
| 5.3.3 训练 | 第53-55页 |
| 5.3.4 识别 | 第55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录1 总系统的程序框图 | 第60-61页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第61-64页 |
| 致谢 | 第64页 |
