| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 研究内容及贡献 | 第12-13页 |
| 1.4 本文组织与结构 | 第13-15页 |
| 第2章 语音识别方法理论基础 | 第15-33页 |
| 2.1 语音特征提取：图像处理方法的结合 | 第15-21页 |
| 2.1.1 常见的语音特征 | 第15-16页 |
| 2.1.2 语谱图特征 | 第16-17页 |
| 2.1.3 提取语音特征方法 | 第17-21页 |
| 2.2 神经网络 | 第21-31页 |
| 2.2.1 神经网络的基本概念 | 第21-23页 |
| 2.2.2 深层神经网络 | 第23-27页 |
| 2.2.3 卷积神经网络 | 第27-31页 |
| 2.3 本章小结 | 第31-33页 |
| 第3章 基于脉冲耦合神经网络的发音优劣分类方法研究 | 第33-39页 |
| 3.1 生成语谱图矩阵 | 第33-34页 |
| 3.2 语音特征提取 | 第34-35页 |
| 3.2.1 利用PCNN进行二值化处理及特征提取 | 第34-35页 |
| 3.2.2 融入MFCC特征 | 第35页 |
| 3.3 检测模型建立 | 第35-36页 |
| 3.4 实验过程与结果 | 第36-38页 |
| 3.4.1 数据采集 | 第36页 |
| 3.4.2 实验过程 | 第36-38页 |
| 3.4.3 实验结果分析 | 第38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 结合卷积神经网络和增强语谱图的发音评价研究 | 第39-51页 |
| 4.1 语谱图像处理 | 第39-41页 |
| 4.1.1 端点检测 | 第39-40页 |
| 4.1.2 音位分割 | 第40-41页 |
| 4.2 基于卷积神经网络的发音评价模型搭建 | 第41-49页 |
| 4.2.1 数据获取 | 第42页 |
| 4.2.2 模型结构 | 第42-44页 |
| 4.2.3 dropout方法 | 第44-45页 |
| 4.2.4 训练过程与结果分析 | 第45-49页 |
| 4.3 本章小结 | 第49-51页 |
| 第5章 基于CNN和语谱图的语音评价原型系统实现 | 第51-55页 |
| 5.1 系统架构设计 | 第51-52页 |
| 5.2 系统环境 | 第52页 |
| 5.3 系统详细设计 | 第52-54页 |
| 5.3.1 音频输入模块 | 第52-53页 |
| 5.3.2 端点检测模块 | 第53页 |
| 5.3.3 音位分割模块 | 第53页 |
| 5.3.4 结果识别模块 | 第53-54页 |
| 5.3.5 用户画像可视化 | 第54页 |
| 5.4 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 工作总结 | 第55页 |
| 未来展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-63页 |
| 致谢 | 第63页 |