| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 课题背景与研究意义 | 第7-8页 |
| 1.2 发展历史与研究现状 | 第8-11页 |
| 1.3 论文的主要内容安排 | 第11-12页 |
| 2 连续语音识别框架与原理 | 第12-27页 |
| 2.1 语音信号的特征提取 | 第12-20页 |
| 2.1.1 感知线性预测系数 | 第13-14页 |
| 2.1.2 梅尔频率倒谱系数 | 第14-19页 |
| 2.1.3 滤波器组特征 | 第19页 |
| 2.1.4 基频特征 | 第19-20页 |
| 2.1.5 特征归一化方法 | 第20页 |
| 2.2 语音信号声学建模技术概述 | 第20-22页 |
| 2.2.1 声学建模单元选择 | 第20-21页 |
| 2.2.2 常见的声学模型 | 第21-22页 |
| 2.3 发音字典和语言模型概述 | 第22-23页 |
| 2.3.1 语音识别中的发音字典 | 第22-23页 |
| 2.3.2 语音识别中的语言模型 | 第23页 |
| 2.4 基于加权有限状态转换器的语音解码网络构建 | 第23-25页 |
| 2.4.1 加权有限状态转换器 | 第23-24页 |
| 2.4.2 混合语音识别器解码 | 第24页 |
| 2.4.3 端到端语音识别器解码 | 第24-25页 |
| 2.5 语音识别系统性能评价指标 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 3 基于连续语音识别器的关键词检出技术 | 第27-32页 |
| 3.1 基于网格结构建立索引 | 第27-29页 |
| 3.1.1 网格结构概述 | 第27-28页 |
| 3.1.2 建立索引 | 第28-29页 |
| 3.2 关键词搜索方法 | 第29页 |
| 3.3 基于网格后验概率的置信度 | 第29-30页 |
| 3.4 关键词检出系统性能评价指标 | 第30页 |
| 3.5 本章小结 | 第30-32页 |
| 4 基于DNN-HMM声学模型的中文语音关键词检出系统 | 第32-46页 |
| 4.1 中文语音关键词检出系统 | 第32-33页 |
| 4.2 基于DNN-HMM的声学建模 | 第33-39页 |
| 4.2.1 DNN-HMM的网络结构 | 第33-34页 |
| 4.2.2 DNN-HMM网络的训练 | 第34-37页 |
| 4.2.3 DNN-HMM网络参数的选择 | 第37-39页 |
| 4.3 实验条件与结果分析 | 第39-45页 |
| 4.3.1 实验条件 | 第39-41页 |
| 4.3.2 硬件实验设备 | 第41-42页 |
| 4.3.3 相关数据准备 | 第42-43页 |
| 4.3.4 实验结果分析 | 第43-45页 |
| 4.4 DNN-HMM声学模型的应用范围以及存在的问题 | 第45页 |
| 4.5 本章小结 | 第45-46页 |
| 5 基于LSTM-RNN声学模型的中文语音关键词检出系统 | 第46-60页 |
| 5.1 基于LSTM-RNN的声学建模 | 第46-53页 |
| 5.1.1 LSTM-RNN的网络结构 | 第46-50页 |
| 5.1.2 LSTM-RNN网络的训练 | 第50-51页 |
| 5.1.3 LSTM-RNN网络参数选择 | 第51-53页 |
| 5.2 实验条件与结果分析 | 第53-55页 |
| 5.3 不同声学特征参数对检出系统性能影响分析 | 第55-56页 |
| 5.4 不同训练数据量对检出系统性能影响分析 | 第56页 |
| 5.5 融合置信度对检出系统性能影响分析 | 第56-57页 |
| 5.6 基于系统融合的中文语音关键词检出 | 第57-59页 |
| 5.7 本章小结 | 第59-60页 |
| 6 总结和展望 | 第60-62页 |
| 6.1 本文工作回顾 | 第60页 |
| 6.2 未来工作展望 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 附录 | 第68页 |
