摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第13-26页 |
1.1 研究背景和意义 | 第13-14页 |
1.2 语音识别基本原理 | 第14-18页 |
1.2.1 连续语音识别 | 第14-17页 |
1.2.2 关键词检索 | 第17-18页 |
1.3 低资源环境下语音识别技术的发展及研究现状 | 第18-22页 |
1.3.1 低资源语音识别特征提取 | 第19-20页 |
1.3.2 低资源语音识别声学建模 | 第20-21页 |
1.3.3 低资源语音识别资源扩展 | 第21-22页 |
1.4 性能评价指标 | 第22-23页 |
1.4.1 词错误率 | 第22页 |
1.4.2 实际查询项权重代价 | 第22-23页 |
1.5 论文的研究内容及结构安排 | 第23-26页 |
1.5.1 论文的研究内容 | 第23-24页 |
1.5.2 论文的结构安排 | 第24-26页 |
第二章 基于BN特征和SGMM的低资源语音识别基线系统 | 第26-36页 |
2.1 低资源语音识别基线系统架构 | 第26页 |
2.2 瓶颈特征 | 第26-29页 |
2.2.1 深度神经网络 | 第26-28页 |
2.2.2 BN特征提取 | 第28-29页 |
2.3 子空间高斯混合模型 | 第29-32页 |
2.3.1 SGMM基本原理 | 第29-31页 |
2.3.2 SGMM训练 | 第31页 |
2.3.3 SGMM与GMM参数规模比较 | 第31-32页 |
2.4 实验结果与分析 | 第32-35页 |
2.4.1 实验数据 | 第32-33页 |
2.4.2 实验设置 | 第33-34页 |
2.4.3 基线系统性能 | 第34-35页 |
2.5 本章小结 | 第35-36页 |
第三章 基于LSTM-RNN的低资源语音识别声学建模方法 | 第36-44页 |
3.1 引言 | 第36页 |
3.2 长短时记忆循环神经网络 | 第36-39页 |
3.2.1 循环神经网络结构 | 第36-37页 |
3.2.2 长短时记忆网络结构 | 第37-39页 |
3.2.3 基于LSTM-RNN的声学建模 | 第39页 |
3.3 序贯区分性训练 | 第39-41页 |
3.4 实验结果与分析 | 第41-42页 |
3.4.1 实验数据及设置 | 第41页 |
3.4.2 LSTM-RNN-HMM模型性能 | 第41-42页 |
3.4.3 序贯区分性训练性能 | 第42页 |
3.5 本章小结 | 第42-44页 |
第四章 基于表征共享迁移和训练数据扩展的低资源语音识别 | 第44-54页 |
4.1 引言 | 第44页 |
4.2 DNN中的表征共享和迁移 | 第44-47页 |
4.2.1 多任务和迁移学习 | 第44-46页 |
4.2.2 多语言和跨语言语音识别 | 第46-47页 |
4.3 训练数据扩展 | 第47-49页 |
4.3.1 音频数据扰动 | 第47-48页 |
4.3.2 半监督训练 | 第48-49页 |
4.4 实验结果与分析 | 第49-53页 |
4.4.1 实验数据及设置 | 第49-50页 |
4.4.2 MBN特征性能 | 第50页 |
4.4.3 训练数据扩展性能 | 第50-51页 |
4.4.4 低资源语音识别方法综合比较 | 第51-53页 |
4.5 本章小节 | 第53-54页 |
第五章 基于互补FST的发音字典扩展方法 | 第54-65页 |
5.1 引言 | 第54-55页 |
5.2 字形音素转换策略 | 第55页 |
5.2.1 基于规则的G2P转换 | 第55页 |
5.2.2 数据驱动的G2P转换 | 第55页 |
5.3 基于互补FST的字典扩展 | 第55-60页 |
5.3.1 新词-发音对生成 | 第56-57页 |
5.3.2 词-发音对确认 | 第57-59页 |
5.3.3 语音模型更新 | 第59-60页 |
5.4 实验结果与分析 | 第60-64页 |
5.4.1 实验数据及设置 | 第60页 |
5.4.2 字典扩展实验结果 | 第60-63页 |
5.4.3 扩展字典前后的系统性能 | 第63-64页 |
5.5 本章小节 | 第64-65页 |
第六章 总结 | 第65-67页 |
6.1 本文主要工作 | 第65-66页 |
6.2 下一步研究方向 | 第66-67页 |
致谢 | 第67-68页 |
参考文献 | 第68-75页 |
作者简历 | 第75页 |