| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景 | 第8-9页 |
| 1.2 国内外相关技术发展现状 | 第9-13页 |
| 1.3 主要研究内容和组织结构 | 第13-14页 |
| 第2章 基于HMM的语音识别系统 | 第14-25页 |
| 2.1 引言 | 第14页 |
| 2.2 隐马尔可夫模型 | 第14-18页 |
| 2.2.1 马尔可夫链 | 第15页 |
| 2.2.2 隐马尔可夫模型原理 | 第15-18页 |
| 2.3 语言模型与解码算法 | 第18-19页 |
| 2.4 基于GMM-HMM的声学模型训练 | 第19-21页 |
| 2.5 基于ANN-HMM的声学模型训练 | 第21-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于DNN的语音识别系统 | 第25-37页 |
| 3.1 引言 | 第25页 |
| 3.2 基于预训练的训练方法 | 第25-27页 |
| 3.3 深度神经网络用于估计观测概率 | 第27-32页 |
| 3.3.1 深度神经网络——隐马尔可夫声学模型 | 第27-29页 |
| 3.3.2 基于深度神经网络的声学模型训练算法 | 第29-32页 |
| 3.4 基于深度神经网络的Tandem特征提取方法 | 第32-36页 |
| 3.4.1 与DNN-HMM识别系统的结合 | 第33-34页 |
| 3.4.2 基于Tandem方法的DNN-HMM系统训练算法 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 实验结果及分析 | 第37-50页 |
| 4.1 引言 | 第37页 |
| 4.2 系统设计与实现 | 第37-40页 |
| 4.2.1 语音数据特征提取 | 第38页 |
| 4.2.2 建模单元选择 | 第38-40页 |
| 4.3 实验和结果分析 | 第40-49页 |
| 4.3.1 基于GMM-HMM模型的基准系统 | 第40-42页 |
| 4.3.2 基于DNN-HMM模型的识别系统 | 第42-48页 |
| 4.3.3 基于Tandem-DNN-HMM模型的识别系统 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 附录 | 第55-59页 |
| 致谢 | 第59页 |
