| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 课题研究背景及意义 | 第13-14页 |
| 1.1.1 神经网络发展概述及优势 | 第13-14页 |
| 1.1.2 循环网络(RNN)对语音识别的影响 | 第14页 |
| 1.2 基于LSTM网络的语音识别国内外研究现状 | 第14-17页 |
| 1.2.1 模型结构 | 第15页 |
| 1.2.2 LSTM网络架构 | 第15-16页 |
| 1.2.3 LSTM目标函数 | 第16-17页 |
| 1.3 本论文的课题来源及研究内容 | 第17页 |
| 1.3.1 本论文的课题来源 | 第17页 |
| 1.3.2 本论文的研究内容 | 第17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 语音识别理论 | 第18-25页 |
| 2.1 语音识别原理 | 第18-20页 |
| 2.2 语音识别过程 | 第20-22页 |
| 2.3 声学特征的提取 | 第22-23页 |
| 2.3.1 Mel频率倒谱系数 | 第22页 |
| 2.3.2 Mel频率倒谱系数(MFCC)参数的提取步骤 | 第22-23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 实验平台搭建与深度双向LSTM网络测试 | 第25-36页 |
| 3.1 语音识别模型概述 | 第25-27页 |
| 3.2 实验平台搭建 | 第27-31页 |
| 3.2.1 实验硬件系统选配 | 第27-28页 |
| 3.2.2 实验软件系统调试 | 第28-31页 |
| 3.3 测试步骤及结果对比 | 第31-35页 |
| 3.3.1 不同类型模型效果对比 | 第31-34页 |
| 3.3.2 单向与双向LSTM结构识别效果对比 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 工况噪声环境下的语音识别 | 第36-49页 |
| 4.1 降噪原理 | 第36-37页 |
| 4.2 工况环境下噪声特点的分析 | 第37-46页 |
| 4.2.1 冲压车间噪声 | 第38-40页 |
| 4.2.2 机加工车间噪声 | 第40-42页 |
| 4.2.3 焊接车间噪声 | 第42-43页 |
| 4.2.4 喷漆车间噪声 | 第43-45页 |
| 4.2.5 检测车间噪声 | 第45页 |
| 4.2.6 食堂噪声 | 第45-46页 |
| 4.3 语音资料预处理 | 第46页 |
| 4.4 噪声环境下的语音实验 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第五章 模型网络结构与目标函数 | 第49-70页 |
| 5.1 标准LSTM结构分析 | 第49-51页 |
| 5.2 复合双向LSTM网络结构分析 | 第51-56页 |
| 5.2.1 双向LSTM网络结构分析 | 第51-52页 |
| 5.2.2 复合双向LSTM网络结构分析 | 第52-53页 |
| 5.2.3 模型结构描述 | 第53-56页 |
| 5.3 目标函数推导 | 第56-61页 |
| 5.3.1 一种输出与目标对齐的方法 | 第57-58页 |
| 5.3.2 前端与后端变量定义 | 第58-60页 |
| 5.3.3 目标函数推导 | 第60-61页 |
| 5.4 模型测试准备 | 第61-62页 |
| 5.4.1 语音资料概述及预处理 | 第61-62页 |
| 5.4.2 测试平台、模型参数与训练设定 | 第62页 |
| 5.5 工况环境下语音识别实验 | 第62-68页 |
| 5.5.1 前端变量与后端变量验证 | 第65-68页 |
| 5.6 本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 参考文献 | 第72-77页 |
| 致谢 | 第77页 |