噪声环境下基于深度学习的语音识别研究
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景与意义 | 第11-14页 |
| 1.1.1 研究背景 | 第11-12页 |
| 1.1.2 研究意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 论文主要研究内容 | 第15-16页 |
| 1.4 论文结构 | 第16-19页 |
| 第2章 基于深度学习的语音识别系统 | 第19-41页 |
| 2.1 语音识别系统组成 | 第19-21页 |
| 2.2 声学特征提取 | 第21-22页 |
| 2.3 声学模型训练与识别 | 第22-30页 |
| 2.3.1 隐马尔可夫模型的性质 | 第23-24页 |
| 2.3.2 隐马尔可夫模型似然度的计算 | 第24-26页 |
| 2.3.3 期望最大化算法 | 第26-27页 |
| 2.3.4 序列鉴别性训练准则 | 第27-28页 |
| 2.3.5 解码HMM状态序列的维特比算法 | 第28-30页 |
| 2.4 语言模型构建 | 第30-32页 |
| 2.5 深度神经网络模型构建 | 第32-39页 |
| 2.5.1 训练准则 | 第34-35页 |
| 2.5.2 训练算法 | 第35-39页 |
| 2.6 解码器构建 | 第39-40页 |
| 2.7 本章小结 | 第40-41页 |
| 第3章 基于噪声注入的语音训练方法 | 第41-55页 |
| 3.1 噪声注入原理 | 第41-43页 |
| 3.2 噪声模式训练 | 第43-44页 |
| 3.3 基于fMLLR特征提取的噪声训练方法 | 第44-49页 |
| 3.3.1 基线系统的噪声训练方法 | 第44-45页 |
| 3.3.2 MLLR特征 | 第45-46页 |
| 3.3.3 fMLLR特征 | 第46-47页 |
| 3.3.4 混合噪声的fMLLR特征提取方法 | 第47-49页 |
| 3.4 DBN预训练方法 | 第49-53页 |
| 3.5 本章小结 | 第53-55页 |
| 第4章 强噪声环境下语音识别系统实验与分析 | 第55-65页 |
| 4.1 实验平台 | 第55-56页 |
| 4.2 数据源 | 第56-57页 |
| 4.3 识别性能评价标准 | 第57页 |
| 4.4 实验方案设计 | 第57-61页 |
| 4.5 实验方案对结果的影响 | 第61-62页 |
| 4.6 信噪比对结果的影响 | 第62页 |
| 4.7 噪声注入对结果的影响 | 第62-63页 |
| 4.8 实验结论 | 第63-64页 |
| 4.9 本章小结 | 第64-65页 |
| 第5章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65页 |
| 5.2 展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士期间已发表的论文 | 第73-75页 |
| 致谢 | 第75页 |
