| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 选题背景 | 第9-10页 |
| 1.2 音频信息检索中的关键技术 | 第10-15页 |
| 1.2.1 音频信息检索技术概述 | 第10-13页 |
| 1.2.2 自动语音识别技术概述 | 第13-14页 |
| 1.2.3 语音识别存在的问题 | 第14-15页 |
| 1.3 说话人自适应技术 | 第15-16页 |
| 1.4 课题来源、研究内容和组织结构 | 第16-18页 |
| 1.4.1 课题来源 | 第16页 |
| 1.4.2 研究内容 | 第16-17页 |
| 1.4.3 论文的组织结构 | 第17-18页 |
| 第二章 说话人自适应原理 | 第18-27页 |
| 2.1 语音识别的基本原理 | 第18-22页 |
| 2.1.1 隐马尔可夫模型 | 第18-21页 |
| 2.1.2 HMM 的基本算法 | 第21-22页 |
| 2.2 说话人的声学差异 | 第22-23页 |
| 2.3 说话人自适应 | 第23-26页 |
| 2.3.1 说话人自适应方式的分类 | 第23-24页 |
| 2.3.2 常见的自适应算法 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 第三章 几种典型的说话人自适应算法 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 说话人自适应算法的描述 | 第27-30页 |
| 3.2.1 MAP 算法 | 第27-29页 |
| 3.3.2 MLLR 算法 | 第29-30页 |
| 3.3 MAP 和 MLLR 算法的实验比较 | 第30-35页 |
| 3.3.1 实验环境 | 第30-31页 |
| 3.3.2 MAP 和 MLLR 自适应实验结果及分析 | 第31-34页 |
| 3.3.3 MAP 和 MLLR 相结合的实验 | 第34-35页 |
| 3.4 CMLLR 算法 | 第35-37页 |
| 3.4.1 CMLLR 原理 | 第35页 |
| 3.4.2 CMLLR 自适应实验结果 | 第35-37页 |
| 3.5 特征空间高斯化 | 第37-40页 |
| 3.5.1 特征空间高斯化基本原理 | 第37-39页 |
| 3.5.2 特征空间高斯化实验结果 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 第四章 交通广播音频信息检索系统 | 第41-51页 |
| 4.1 交通广播音频信息检索系统 | 第41-42页 |
| 4.1.1 交通广播音频检索系统的设计 | 第41页 |
| 4.1.2 关键技术 | 第41-42页 |
| 4.2 北京交通广播语音语料库 | 第42-44页 |
| 4.3 说话人自适应技术对系统的影响 | 第44-47页 |
| 4.3.1 实验步骤 | 第44-45页 |
| 4.3.2 实验结果和分析 | 第45-47页 |
| 4.4 统计语言模型下的系统的性能 | 第47-49页 |
| 4.4.1 统计语言模型原理 | 第47-49页 |
| 4.4.2 实验结果及分析 | 第49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 主要工作总结 | 第51-52页 |
| 5.2 工作展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 致谢 | 第56页 |