摘要 | 第1-6页 |
ABSTRACT | 第6-11页 |
第一章 绪论 | 第11-19页 |
·语音识别的重要意义 | 第11页 |
·语音识别的历史发展 | 第11-12页 |
·语音识别的关键问题 | 第12-14页 |
·声学特征分析 | 第12-13页 |
·声学模型 | 第13页 |
·语言模型 | 第13-14页 |
·搜索算法 | 第14页 |
·自适应与鲁棒性问题 | 第14页 |
·语音识别技术的应用领域及前景 | 第14-16页 |
·课题的主要研究方向 | 第16-17页 |
·声学模型中识别基元的选择和参数共享策略 | 第16-17页 |
·声学模型中的其他优化策略 | 第17页 |
·论文结构和内容 | 第17-19页 |
第二章 隐马尔可夫模型(HMM)及其在语音识别中的应用 | 第19-29页 |
·HMM基本概念与原理 | 第19-24页 |
·HMM定义 | 第19-21页 |
·HMM的结构和类型 | 第21-24页 |
·HMM模型的三个基本问题及关键算法 | 第24-29页 |
第三章 基于 HMM的大词汇量连续语音识别基线系统 | 第29-45页 |
·连续语音识别的整体框架 | 第29-31页 |
·语音声学分析 | 第31-34页 |
·语料库 | 第31-32页 |
·语音预处理和特征提取 | 第32-34页 |
·声学 HMM模型的训练 | 第34-40页 |
·HMM模型的定义 | 第34-36页 |
·模型初始化 | 第36-38页 |
·模型重估 | 第38-39页 |
·模型自适应 | 第39-40页 |
·识别 | 第40-44页 |
·语言模型 | 第41-42页 |
·词典的组织 | 第42-43页 |
·识别网络 | 第43-44页 |
·本章小结 | 第44-45页 |
第四章 上下文相关的声韵母HMM建模 | 第45-59页 |
·基本声学建模单元比较及优化 | 第45-48页 |
·上下文相关声韵母识别基元 | 第45-46页 |
·建模基元的扩展优化 | 第46-48页 |
·数据驱动与决策树状态共享策略 | 第48-50页 |
·数据驱动的状态共享策略 | 第49页 |
·基于决策树的状态共享策略 | 第49-50页 |
·基于语音学知识的问题集设计 | 第50-54页 |
·问题集设计定义及应用 | 第50-51页 |
·利用语音学知识优化问题集设计 | 第51-52页 |
·加入简单问题优化问题集设计 | 第52-53页 |
·加入双边问题优化问题集设计 | 第53-54页 |
·决策树分裂过程及停止门限 | 第54-56页 |
·决策树的构造 | 第54-55页 |
·决策树分裂停止门限 | 第55页 |
·决策树节点内样本的相似性评价 | 第55-56页 |
·实验结论与分析 | 第56-58页 |
·实验环境 | 第56页 |
·声学单元和问题集优化 | 第56-57页 |
·决策树门限优化 | 第57-58页 |
·本章小结 | 第58-59页 |
第五章 HMM声学建模优化策略 | 第59-72页 |
·有调三音子训练过程调整 | 第59-61页 |
·声调处理设计方法 | 第59-60页 |
·有调三音子初始化训练设计 | 第60-61页 |
·声学模型的复杂度调整 | 第61-63页 |
·复杂度与性能的关系 | 第61-62页 |
·高斯混合模型混合分量数目选择方法及其应用 | 第62-63页 |
·半连续分段概率模型(SCSPM) | 第63-65页 |
·半连续密度HMM(SCHMM) | 第63-64页 |
·半连续分段概率模型(SCSPM) | 第64-65页 |
·发音变体的建模 | 第65-68页 |
·标准标注 | 第66-67页 |
·定位发音变体 | 第67页 |
·信息收集 | 第67-68页 |
·实验结论及分析 | 第68-72页 |
·有调声韵母三音子初始化实验 | 第68页 |
·高斯混合模型混合分量数目选择优化实验 | 第68-69页 |
·半连续分段概率模型(SCSPM)实验 | 第69-70页 |
·发音变体初步实验 | 第70-72页 |
第六章 总结与展望 | 第72-74页 |
·论文的主要工作与贡献 | 第72页 |
·下一步工作展望 | 第72-74页 |
附录 基于HTK的模型训练步骤 | 第74-77页 |
1. HTK工具简介 | 第74-75页 |
2. 上下文无关模型训练步骤 | 第75页 |
3. 上下文相关模型训练步骤 | 第75-77页 |
参考文献 | 第77-82页 |
致谢 | 第82-83页 |
硕士期间发表论文 | 第83页 |