经验模态分解及深度信念网络在语音识别中的应用研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-14页 |
| ·课题研究背景和意义 | 第11页 |
| ·国内外研究现状 | 第11-13页 |
| ·论文组织架构 | 第13-14页 |
| 第二章 语音识别基础知识 | 第14-22页 |
| ·语音识别原理 | 第14页 |
| ·语音发声机理 | 第14页 |
| ·语音信号的数字模型 | 第14-16页 |
| ·语音信号预处理 | 第16-19页 |
| ·语音信号的采样量化 | 第16-17页 |
| ·语音信号预加重 | 第17-18页 |
| ·语音信号加窗分帧 | 第18-19页 |
| ·语音信号特征参数 | 第19-21页 |
| ·线性预测倒谱系数 | 第19-20页 |
| ·Mel 倒谱系数 MFCC | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于经验模态分解和复合能量的语音端点检测 | 第22-33页 |
| ·简述 | 第22页 |
| ·基于短时能量和短时过零率的语音端点检测 | 第22-24页 |
| ·短时能量 | 第22页 |
| ·短时过零率 | 第22-23页 |
| ·基于短时能量和短时过零率的语音端点检测算法 | 第23-24页 |
| ·基于经验模态分解和复合能量的语音端点检测 | 第24-32页 |
| ·经验模态分解 | 第24-26页 |
| ·经验模态分解实现过程 | 第26-28页 |
| ·复合能量 | 第28-30页 |
| ·算法过程及实验结果 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于深度信念神经网络的语音识别方法 | 第33-53页 |
| ·语音识别概述 | 第33页 |
| ·语音识别主要技术 | 第33页 |
| ·浅层学习神经网络 | 第33-34页 |
| ·深度学习神经网络 | 第34-44页 |
| ·概述 | 第34-36页 |
| ·深度学习基本原理 | 第36页 |
| ·深度学习训练算法 | 第36-37页 |
| ·限制玻尔兹曼机(RBM)的概述 | 第37-38页 |
| ·RBM 使用 | 第38-39页 |
| ·RBM 学习 | 第39-41页 |
| ·深度信念网络 | 第41-44页 |
| ·基于深度信念网络的语音识别仿真实验 | 第44-48页 |
| ·实验结果及对比分析 | 第48-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·本文工作总结 | 第53页 |
| ·工作展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士研究生期间发表的论文和研究成果 | 第59-60页 |
| 致谢 | 第60页 |
