机器人语音交互和语义识别的实现
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 语音交互和语义识别的背景与意义 | 第9-10页 |
| 1.2 语音交互和语义识别的研究现状 | 第10-13页 |
| 1.3 论文组织结构 | 第13-14页 |
| 第二章 语音识别原理及系统设计 | 第14-28页 |
| 2.1 语音识别总体框架 | 第14-17页 |
| 2.1.1 语音信号预处理 | 第14-15页 |
| 2.1.2 声学模型 | 第15-16页 |
| 2.1.3 语言模型 | 第16页 |
| 2.1.4 语音解码与搜索 | 第16-17页 |
| 2.2 HMM的基本理论和语音识别过程 | 第17-20页 |
| 2.2.1 HMM的基本理论 | 第17-18页 |
| 2.2.2 基于HMM的语音识别过程 | 第18-20页 |
| 2.3 HTK工具包 | 第20-22页 |
| 2.4 基于HTK的语音识别模块设计 | 第22-27页 |
| 2.4.1 数据准备 | 第22-23页 |
| 2.4.2 模型训练 | 第23-26页 |
| 2.4.3 实验分析 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 语义分析的相关理论 | 第28-37页 |
| 3.1 中文分词 | 第28-29页 |
| 3.2 词向量 | 第29-31页 |
| 3.3 基于神经网络的自然语言处理 | 第31-35页 |
| 3.3.1 循环神经网络 | 第31-33页 |
| 3.3.2 卷积神经网络 | 第33-35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 一种基于改进卷积神经网络的语义分析方法 | 第37-50页 |
| 4.1 文本预处理 | 第37-41页 |
| 4.2 基于改进卷积神经网络的文本分类模型 | 第41-44页 |
| 4.2.1 基于卷积神经网络的文本分类算法描述 | 第41-42页 |
| 4.2.2 跨通道卷积层 | 第42-43页 |
| 4.2.3 改进卷积神经网络模型的训练 | 第43-44页 |
| 4.3 实验与分析 | 第44-49页 |
| 4.3.1 情感分析实验 | 第44-48页 |
| 4.3.2 问题分类实验 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 基于ARM的机器人语音交互系统设计 | 第50-62页 |
| 5.1 语音交互系统结构设计 | 第50-51页 |
| 5.2 语音交互系统硬件设计 | 第51-53页 |
| 5.2.1 嵌入式系统概述 | 第51-52页 |
| 5.2.2 系统硬件平台——TQ2440开发板 | 第52-53页 |
| 5.3 语音交互系统软件设计 | 第53-59页 |
| 5.3.1 嵌入式Linux系统搭建 | 第53-55页 |
| 5.3.2 网络传输模块 | 第55-56页 |
| 5.3.3 语音识别模块 | 第56-58页 |
| 5.3.4 情绪识别模块 | 第58-59页 |
| 5.4 语音交互系统在机器人上的实现 | 第59-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62页 |
| 6.2 展望 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 攻读硕士学位期间发表学术论文 | 第69-70页 |
| 致谢 | 第70页 |
