首页--工业技术论文--无线电电子学、电信技术论文--通信论文--电声技术和语音信号处理论文--语音信号处理论文--语音识别与设备论文

基于深度学习方法的语音识别研究

摘要第3-4页
abstract第4页
第1章 绪论第8-13页
    1.1 语音识别的发展现状和趋势第8-9页
    1.2 研究的目的与意义第9-11页
        1.2.1 研究目的第9-10页
        1.2.2 研究意义第10-11页
    1.3 本文的创新点与研究内容第11-13页
        1.3.1 本文的创新点第11页
        1.3.2 本文的结构第11-13页
第2章 语音识别的基本原理第13-25页
    2.1 语音识别原理第13页
    2.2 语音信号的预处理第13-17页
        2.2.1 语音信号的预加重第14页
        2.2.2 加窗分帧第14-15页
        2.2.3 端点检测第15-17页
    2.3 语音信号的特征提取第17-21页
        2.3.1 线性预测系数(LPC)第18-19页
        2.3.2 线性预测倒谱系数(LPCC)第19-20页
        2.3.3 美尔频率倒谱系数(MFCC)第20-21页
        2.3.4 基于一阶差分的提取第21页
    2.4 语音识别方法第21-22页
        2.4.1 基于语音学和声学方法第21页
        2.4.2 模板匹配方法第21-22页
    2.5 语音识别技术第22-24页
        2.5.1 动态时间规整(DTW)第22页
        2.5.2 隐马尔可夫法(HMM)第22-23页
        2.5.3 矢量量化(VQ)第23页
        2.5.4 神经网络第23-24页
    2.6 本章小结第24-25页
第3章 传统神经网络模型第25-33页
    3.1 脑神经结构第25-26页
    3.2 听觉神经语音处理结构和方式第26-29页
        3.2.1 听觉神经系统结构第26-27页
        3.2.2 人脑语音处理的心理学探究第27-28页
        3.2.3 听觉机制的计算模型第28-29页
    3.3 神经网络语音特征训练方式第29页
    3.4 传统神经网络模型(BP)第29-32页
    3.5 本章小结第32-33页
第4章 深度学习语音识别模型第33-45页
    4.1 深度学习的基本原理第33页
    4.2 深度学习与浅层网络比较第33-34页
    4.3 深度学习语音识别一般过程第34-35页
    4.4 深度学习算法的模型第35-44页
        4.4.1 自动编码器第35-39页
        4.4.2 稀疏编码第39-40页
        4.4.3 限制波尔兹曼机第40-43页
        4.4.4 深信度网络第43页
        4.4.5 卷积神经网络第43-44页
    4.5 本章小结第44-45页
第5章 实验与结果分析第45-55页
    5.1 语音信号采集第45-46页
    5.2 采样信号预处理第46-49页
    5.3 BP算法特征训练第49-50页
    5.4 自动编码器模型特征训练第50-54页
    5.5 实验结果分析和比较第54-55页
第6章 总结与展望第55-58页
    6.1 全文总结第55-56页
    6.2 研究展望第56-58页
参考文献第58-60页
致谢第60-61页
附录1 攻读硕士学位期间发表的论文第61页

论文共61页,点击 下载论文
上一篇:基于ONVIF协议网络视频监控系统客户端对等网络库的设计与实现
下一篇:OpenFlow网络中流媒体QoS的研究与实现