| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 序言 | 第9-12页 |
| 1 引言 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 发展历史与现状 | 第13-15页 |
| 1.3 论文的主要内容与组织结构 | 第15-18页 |
| 2 连续语音识别原理 | 第18-42页 |
| 2.0 连续语音识别系统基本框架 | 第18-19页 |
| 2.1 语音信号的前端处理 | 第19-26页 |
| 2.1.1 语音信号的端点检测 | 第19-21页 |
| 2.1.2 语音信号的预加重 | 第21页 |
| 2.1.3 语音信号的分帧 | 第21-22页 |
| 2.1.4 声学特征参数提取 | 第22-26页 |
| 2.2 声学层模型 | 第26-37页 |
| 2.2.1 隐马尔科夫模型HMM | 第26-32页 |
| 2.2.2 混合高斯模型GMM | 第32-33页 |
| 2.2.3 子空间混合高斯模型SGMM | 第33-37页 |
| 2.3 语言模型 | 第37-39页 |
| 2.3.1 基于文法的语言模型 | 第37-38页 |
| 2.3.2 基于统计的语言模型 | 第38-39页 |
| 2.4 搜索解码 | 第39-42页 |
| 2.4.1 Viterbi搜索解码 | 第39-40页 |
| 2.4.2 搜索解码输出 | 第40-42页 |
| 3 基于连续语音识别的关键词检测技术 | 第42-50页 |
| 3.1 基于连续语音识别的关键词检测系统框架 | 第42页 |
| 3.2 网格结构 | 第42-44页 |
| 3.3 关键词搜索算法 | 第44-46页 |
| 3.3.1 动态规划算法 | 第44-45页 |
| 3.3.2 令牌传递算法 | 第45-46页 |
| 3.4 基于网格后验概率的置信度计算 | 第46页 |
| 3.5 置信度的使用与改进 | 第46-48页 |
| 3.5.1 置信度的使用 | 第47页 |
| 3.5.2 置信度的改进 | 第47-48页 |
| 3.6 关键词输出准则 | 第48页 |
| 3.7 系统性能评价标准 | 第48-50页 |
| 4 基于语音关键词检测的人机交互平台实现 | 第50-69页 |
| 4.1 数据集及工具介绍 | 第50-52页 |
| 4.1.1 数据集及汉语言特点 | 第50-51页 |
| 4.1.2 Kaldi工具介绍 | 第51-52页 |
| 4.2 数据准备 | 第52-57页 |
| 4.2.1 语音数据相关 | 第52-54页 |
| 4.2.2 语言数据相关 | 第54-57页 |
| 4.3 连续语音识别器的具体实现 | 第57-60页 |
| 4.3.1 预处理与特征提取 | 第57页 |
| 4.3.2 声学模型的训练 | 第57-59页 |
| 4.3.3 语言模型的训练 | 第59页 |
| 4.3.4 最佳路径搜索 | 第59-60页 |
| 4.4 关键词搜索 | 第60-61页 |
| 4.5 置信度确认 | 第61-62页 |
| 4.6 基于语音关键词检测的实时人机交互系统 | 第62-65页 |
| 4.7 基于语音关键词检测的人机交互平台性能评估实验 | 第65-67页 |
| 4.8 实验脚本清单 | 第67-69页 |
| 5 总结与展望 | 第69-71页 |
| 5.1 论文工作总结 | 第69-70页 |
| 5.2 未来工作展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第75-77页 |
| 学位论文数据集 | 第77页 |