基于RankNet的英语重读音节识别
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题背景 | 第8-9页 |
| ·本课题研究的目的及意义 | 第9页 |
| ·国内外相关技术发展现状 | 第9-12页 |
| ·国内外语音识别技术发展现状 | 第9-11页 |
| ·英语口语中重读音节识别技术发展现状及面临问题 | 第11-12页 |
| ·本文主要研究内容 | 第12-14页 |
| 第2章 词重音识别方法简介 | 第14-22页 |
| ·引言 | 第14页 |
| ·识别流程 | 第14页 |
| ·特征提取 | 第14-20页 |
| ·能量特征 | 第14-16页 |
| ·基频特征 | 第16-18页 |
| ·时长特征 | 第18-19页 |
| ·梅尔倒谱系数 | 第19-20页 |
| ·重读音节识别方法 | 第20-21页 |
| ·识别算法的评测指标 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第3章 语音的分形维提取方法 | 第22-31页 |
| ·引言 | 第22页 |
| ·语音信号的分形特性 | 第22-24页 |
| ·语音信号分形维度提取 | 第24-30页 |
| ·分形理论 | 第24-27页 |
| ·分形维计算方法 | 第27-29页 |
| ·语音信号分形维度计算 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 基于RankNet的重读音节识别算法 | 第31-40页 |
| ·引言 | 第31页 |
| ·RankNet理论 | 第31-34页 |
| ·RankNet神经元 | 第31-32页 |
| ·RankNet网络模型 | 第32-34页 |
| ·基于RankNet的重读音节识别 | 第34-39页 |
| ·输入数据 | 第34页 |
| ·输入数据归一化 | 第34-35页 |
| ·RankNet学习算法 | 第35-37页 |
| ·RankNet重音识别算法 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第5章 词重音识别系统的实现 | 第40-48页 |
| ·引言 | 第40页 |
| ·系统实现平台 | 第40-45页 |
| ·Sphinx-4 语音开发平台 | 第40-41页 |
| ·Sphinx-4 平台的框架结构及运行机制 | 第41-44页 |
| ·系统平台的改进 | 第44-45页 |
| ·系统的实现方案 | 第45-47页 |
| ·改进后语音实验平台配置 | 第45页 |
| ·应用模块中数据分析过程 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第6章 实验描述与结果分析 | 第48-53页 |
| ·引言 | 第48页 |
| ·实验中语料标准以及参数的设定 | 第48页 |
| ·重读实验方案以及实验结果 | 第48-52页 |
| ·测试评价度量 | 第48页 |
| ·单个特征实验 | 第48-50页 |
| ·融合特征实验 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间发表的学术论文 | 第57-59页 |
| 致谢 | 第59页 |
