基于卷积神经网络的语音激活检测算法研究与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 研究现状与研究目标 | 第14-16页 |
| 1.3 本文的主要工作和章节安排 | 第16-17页 |
| 第二章 经典VAD算法及卷积神经网络 | 第17-31页 |
| 2.1 VAD技术概述 | 第17页 |
| 2.2 经典VAD算法 | 第17-22页 |
| 2.2.1 G.729B VAD算法 | 第17-19页 |
| 2.2.2 GSM VAD1算法 | 第19-21页 |
| 2.2.3 基于GMM的VAD算法 | 第21-22页 |
| 2.3 语音激活检测算法性能的评价 | 第22-24页 |
| 2.3.1 语音激活检测算法性能的主观评价 | 第22-23页 |
| 2.3.2 语音激活检测算法性能的客观评价 | 第23-24页 |
| 2.4 卷积神经网络 | 第24-30页 |
| 2.4.1 神经网络的基本知识 | 第24-26页 |
| 2.4.2 卷积神经网络整体架构 | 第26-27页 |
| 2.4.3 卷积网络的训练过程 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 第三章 基于卷积神经网络的VAD算法 | 第31-48页 |
| 3.1 引言 | 第31-32页 |
| 3.2 基于卷积神经网络的VAD算法 | 第32-41页 |
| 3.2.1 系统模型 | 第32-33页 |
| 3.2.2 语音信号的特征提取 | 第33-35页 |
| 3.2.3 卷积神经网络的结构设计 | 第35-38页 |
| 3.2.4 卷积神经网络的权值学习 | 第38-41页 |
| 3.3 仿真及性能分析 | 第41-43页 |
| 3.3.1 仿真平台及语音样本库 | 第41-42页 |
| 3.3.2 仿真实验设置 | 第42-43页 |
| 3.4 仿真结果分析 | 第43-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于WebRTC平台的VAD算法实现 | 第48-63页 |
| 4.1 WebRTC概述 | 第48-50页 |
| 4.2 基于卷积神经网络的VAD算法的实现 | 第50-55页 |
| 4.2.1 参数设置 | 第50-52页 |
| 4.2.2 语音特征信号提取 | 第52页 |
| 4.2.3 VAD模块实现 | 第52-55页 |
| 4.3 实际测试及结果分析 | 第55-62页 |
| 4.4 本章小结 | 第62-63页 |
| 第五章 结束语 | 第63-65页 |
| 5.1 论文工作总结 | 第63页 |
| 5.2 下一步工作 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间主要研究成果 | 第72页 |
