| 摘要 | 第9-10页 |
| Abstract | 第10-11页 |
| 第1章 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14页 |
| 1.2 研究现状 | 第14-18页 |
| 1.2.1 语音识别的研究现状 | 第14-16页 |
| 1.2.2 儿童语音识别的研究现状 | 第16-18页 |
| 1.3 研究内容及组织结构 | 第18-20页 |
| 1.3.1 本文研究内容 | 第18页 |
| 1.3.2 本文组织结构 | 第18-20页 |
| 第2章 语音信号的分析及处理 | 第20-30页 |
| 2.1 语音信号模型 | 第20-22页 |
| 2.1.1 激励模型 | 第20-21页 |
| 2.1.2 声道模型 | 第21-22页 |
| 2.1.3 辐射模型 | 第22页 |
| 2.2 语音信号的预处理 | 第22-27页 |
| 2.2.1 采样与量化 | 第23页 |
| 2.2.2 预加重 | 第23-24页 |
| 2.2.3 分帧与加窗 | 第24-25页 |
| 2.2.4 端点检测 | 第25-27页 |
| 2.3 语音特征 | 第27-29页 |
| 2.3.1 Fbank特征提取 | 第27-29页 |
| 2.3.2 MFCC特征提取 | 第29页 |
| 2.3.3 动态差分特征计算 | 第29页 |
| 2.4 本章小节 | 第29-30页 |
| 第3章 中文儿童语音识别基线系统 | 第30-39页 |
| 3.1 中文儿童语音识别系统组成 | 第30-31页 |
| 3.2 声学模型 | 第31-34页 |
| 3.2.1 基于GMM-HMM的声学模型 | 第31-33页 |
| 3.2.2 基于DNN-HMM声学模型 | 第33-34页 |
| 3.3 语言模型 | 第34-35页 |
| 3.4 中文儿童语音识别基元 | 第35页 |
| 3.5 语音解码器 | 第35-36页 |
| 3.6 实验相关配置说明 | 第36-37页 |
| 3.7 中文儿童语音识别基线模型 | 第37-38页 |
| 3.8 本章小节 | 第38-39页 |
| 第4章 基于CNN-TDNN-OPGRU的儿童声学模型 | 第39-49页 |
| 4.1 卷积神经网络 | 第39-40页 |
| 4.2 时延神经网络 | 第40页 |
| 4.3 递归神经网络 | 第40-41页 |
| 4.4 门控神经网络 | 第41-42页 |
| 4.5 CNN-TDNN-OPGRU声学模型 | 第42-44页 |
| 4.6 实验结果及分析 | 第44-48页 |
| 4.6.1 TDNN实验结果 | 第44-45页 |
| 4.6.2 LSTM实验结果 | 第45页 |
| 4.6.3 TDNN-LSTM实验结果 | 第45-47页 |
| 4.6.4 CNN-TDNN-OPGRU实验结果 | 第47-48页 |
| 4.7 本章小节 | 第48-49页 |
| 第5章 基于MTL-DFSMN的儿童声学模型 | 第49-61页 |
| 5.1 前馈序列记忆神经网络 | 第49-53页 |
| 5.1.1 标准前馈序列记忆神经网络 | 第49-51页 |
| 5.1.2 简约前馈序列记忆神经网络 | 第51-52页 |
| 5.1.3 深层前馈序列记忆神经网络 | 第52-53页 |
| 5.2 多任务学习 | 第53-55页 |
| 5.2.1 多任务学习原理 | 第53-54页 |
| 5.2.2 基于多任务的DFSMN声学模型 | 第54-55页 |
| 5.3 实验结果及分析 | 第55-60页 |
| 5.3.1 基线说明 | 第55-56页 |
| 5.3.2 FSMN实验结果 | 第56-57页 |
| 5.3.3 cFSMN实验结果 | 第57-58页 |
| 5.3.4 DFSMN实验结果 | 第58-59页 |
| 5.3.5 基于多任务的DFSMN实验结果 | 第59页 |
| 5.3.6 各声学模型的结果对比 | 第59-60页 |
| 5.4 本章小节 | 第60-61页 |
| 总结与展望 | 第61-63页 |
| 参考文献 | 第63-69页 |
| 致谢 | 第69-70页 |
| 附录 A 攻读学位期间所发表的学术论文目录 | 第70页 |