基于一维卷积神经网络的车载语音识别技术研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 语音识别技术的研究和发展 | 第10-11页 |
| 1.3 神经网络的研究和发展 | 第11-12页 |
| 1.4 车载环境语音识别面临的挑战和发展 | 第12-13页 |
| 1.5 研究内容和安排 | 第13-15页 |
| 第二章 语音识别的前端处理 | 第15-35页 |
| 2.1 语音信号预处理 | 第15-18页 |
| 2.1.1 语音信号的预加重 | 第15页 |
| 2.1.2 语音信号的加窗分帧 | 第15-18页 |
| 2.2 语音信号增强 | 第18-27页 |
| 2.2.1 车载噪声分析 | 第18-19页 |
| 2.2.2 基于多窗谱估计谱减法的语音增强算法 | 第19-23页 |
| 2.2.3 基于独立分量分析的语音增强算法 | 第23-27页 |
| 2.3 语音端点检测 | 第27-33页 |
| 2.3.1 基于加权功率谱的语音端点检测算法 | 第27-33页 |
| 2.4 本章小结 | 第33-35页 |
| 第三章 语音识别基础 | 第35-49页 |
| 3.1 语音识别的特征 | 第35-40页 |
| 3.1.1 线性预测倒谱系数 | 第35-37页 |
| 3.1.2 Mel频率倒谱系数 | 第37-39页 |
| 3.1.3 特征参数的选取 | 第39-40页 |
| 3.2 传统识别算法 | 第40-45页 |
| 3.2.1 基于DTW的语音识别算法 | 第40-41页 |
| 3.2.2 基于HMM的语音识别算法 | 第41-45页 |
| 3.3 基于神经网络的语音识别算法 | 第45-48页 |
| 3.3.1 神经网络基础 | 第45-46页 |
| 3.3.2 基于BP神经网络的语音识别 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 第四章 基于一维卷积神经网络的语音识别算法 | 第49-65页 |
| 4.1 卷积神经网络概述 | 第49-51页 |
| 4.2 基于一维卷积神经网络的语音识别算法 | 第51-54页 |
| 4.2.1 一维卷积神经网络 | 第51-53页 |
| 4.2.2 输入和分析 | 第53-54页 |
| 4.3 实验对比和分析 | 第54-64页 |
| 4.3.1 实验数据 | 第54-57页 |
| 4.3.2 实验步骤 | 第57-58页 |
| 4.3.3 实验结果及分析 | 第58-64页 |
| 4.4 本章小结 | 第64-65页 |
| 第五章 基于一维卷积神经网络的车载语音识别系统 | 第65-76页 |
| 5.1 网络结构参数 | 第65-66页 |
| 5.2 Dropout技术 | 第66-68页 |
| 5.3 基于前端噪声估计的网络结构自适应选择 | 第68-71页 |
| 5.4 实验平台搭建 | 第71-75页 |
| 5.4.1 系统功能设计 | 第71-72页 |
| 5.4.2 系统流程设计 | 第72-73页 |
| 5.4.3 模块介绍和运行结果 | 第73-75页 |
| 5.5 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76页 |
| 6.2 展望 | 第76-78页 |
| 参考文献 | 第78-83页 |
| 致谢 | 第83-84页 |
| 攻读硕士学位期间取得的学术成果 | 第84页 |
