| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-25页 |
| 1.1 研究背景和意义 | 第13-14页 |
| 1.2 低资源语音识别的发展历程及现状 | 第14-21页 |
| 1.2.1 语音识别技术基本原理 | 第15-17页 |
| 1.2.2 基于深度学习的低资源语音识别特征提取 | 第17-18页 |
| 1.2.3 基于深度学习的低资源语音识别声学建模 | 第18-20页 |
| 1.2.4 低资源的语音识别中的其它建模技术 | 第20-21页 |
| 1.3 论文主要内容和结构安排 | 第21-25页 |
| 第二章 基于深层神经网络的语音识别基线系统 | 第25-35页 |
| 2.1 语音识别中DNN的基本结构 | 第25-26页 |
| 2.2 DNN的训练 | 第26-30页 |
| 2.2.1 预训练 | 第26-28页 |
| 2.2.2 全局微调 | 第28-30页 |
| 2.3 GMM-HMM的原理 | 第30-32页 |
| 2.4 实验结果及分析 | 第32-34页 |
| 2.4.1 语料环境 | 第32页 |
| 2.4.2 软硬件条件 | 第32-33页 |
| 2.4.3 评价指标 | 第33页 |
| 2.4.4 实验方案与参数设置 | 第33页 |
| 2.4.5 识别结果与分析 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 基于NMF的语音深层低维特征提取方法 | 第35-43页 |
| 3.1 基于NMF的低维特征提取 | 第35-39页 |
| 3.1.1 非负矩阵分解的基本原理 | 第35-36页 |
| 3.1.2 SNMF算法 | 第36页 |
| 3.1.3 CNMF算法 | 第36-37页 |
| 3.1.4 特征提取方法 | 第37-39页 |
| 3.2 实验结果及分析 | 第39-41页 |
| 3.2.1 实验语料 | 第39页 |
| 3.2.2 实验条件 | 第39页 |
| 3.2.3 实验方案 | 第39页 |
| 3.2.4 最优分解方案的选择 | 第39-41页 |
| 3.2.5 不同系统识别率对比 | 第41页 |
| 3.3 本章小结 | 第41-43页 |
| 第四章 基于DNN的低资源语音识别特征提取技术 | 第43-55页 |
| 4.1 一种改进的基于SHL结构的BN-DNN | 第43-46页 |
| 4.2 基于多语言DNN训练的NMF特征提取方法 | 第46-47页 |
| 4.3 实验结果及分析 | 第47-52页 |
| 4.3.1 实验语料 | 第47页 |
| 4.3.2 基于SHL结构BN特征的低资源捷克语识别实验 | 第47-48页 |
| 4.3.3 基于单语言训练的CNMF低维特征语音识别实验 | 第48-50页 |
| 4.3.4 基于SHL结构多语言训练的CNMF低维特征语音识别实验 | 第50-51页 |
| 4.3.5 CNMF低维特征与BN特征在GMM识别系统中的对比 | 第51页 |
| 4.3.6 两种方法与DNN-HMM在低资源捷克语识别实验中的对比 | 第51-52页 |
| 4.4 本章小结 | 第52-55页 |
| 第五章 低资源语音识别中融合多流特征的CNN声学建模方法 | 第55-67页 |
| 5.1 融合多流特征的CNN声学模型 | 第56-60页 |
| 5.1.1 特征选择与模型建立 | 第57-58页 |
| 5.1.2 模型参数训练 | 第58-59页 |
| 5.1.3 系统搭建方法 | 第59-60页 |
| 5.2 不同特征空间的相似性度量 | 第60-61页 |
| 5.3 实验结果及分析 | 第61-65页 |
| 5.3.1 实验语料与评价指标 | 第61-62页 |
| 5.3.2 基线系统 | 第62-63页 |
| 5.3.3 基于多流特征训练的实验结果 | 第63-65页 |
| 5.3.4 多特征CNN模型与多语言训练相结合的实验 | 第65页 |
| 5.4 本章小结 | 第65-67页 |
| 第六章 总结 | 第67-69页 |
| 6.1 论文工作总结 | 第67-68页 |
| 6.2 前景与展望 | 第68-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-79页 |
| 作者简历 | 第79页 |
