深度神经网络在中文语音识别系统中的实现
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第11-16页 |
| 1.1 研究背景与意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 论文主要研究问题及内容 | 第13-14页 |
| 1.3.1 研究问题 | 第13-14页 |
| 1.3.2 研究内容 | 第14页 |
| 1.4 论文结构 | 第14-16页 |
| 2 语音识别基本原理 | 第16-25页 |
| 2.1 语音识别基础理论 | 第16-17页 |
| 2.2 声学模型 | 第17-19页 |
| 2.2.1 隐马尔科夫模型 | 第17-19页 |
| 2.2.2 高斯混合模型 | 第19页 |
| 2.3 声学解码 | 第19-20页 |
| 2.4 声学特征 | 第20-24页 |
| 2.4.1 特征分类 | 第21-22页 |
| 2.4.2 特征处理 | 第22-24页 |
| 2.5 本章总结 | 第24-25页 |
| 3 深度学习模型 | 第25-37页 |
| 3.1 深度学习背景 | 第25-27页 |
| 3.1.1 深度模型和浅层模型 | 第26-27页 |
| 3.1.2 深度学习的训练过程 | 第27页 |
| 3.2 深度学习模型分类及方法 | 第27-32页 |
| 3.2.1 自动编码器 | 第27-28页 |
| 3.2.2 卷积神经网络 | 第28-29页 |
| 3.2.3 递归神经网络 | 第29页 |
| 3.2.4 深度信念网络 | 第29-32页 |
| 3.3 深度神经网络训练加速 | 第32-33页 |
| 3.3.1 GPU 简介 | 第32页 |
| 3.3.2 CUDA 介绍 | 第32-33页 |
| 3.4 深度神经网络在声学模型中的应用 | 第33-36页 |
| 3.4.1 GMM-HMM DNN-HMM系统 | 第33-36页 |
| 3.4.2 特征优化 | 第36页 |
| 3.5 本章总结 | 第36-37页 |
| 4 Kaldi语音识别系统开发平台 | 第37-44页 |
| 4.1 系统基本结构框架 | 第37-38页 |
| 4.1.1 外部库 | 第38页 |
| 4.2 系统安装 | 第38-41页 |
| 4.2.1 安装前配置 | 第38-39页 |
| 4.2.2 Kaldi安装步骤 | 第39-41页 |
| 4.3 CUDA安装及调试 | 第41-43页 |
| 4.3.1 实验训练时间比较 | 第43页 |
| 4.4 本章总结 | 第43-44页 |
| 5 中文DNN-HMM模型语音识别系统 | 第44-60页 |
| 5.1 识别单元设置 | 第44-46页 |
| 5.1.1 声母 | 第44-45页 |
| 5.1.2 韵母 | 第45页 |
| 5.1.3 音调 | 第45页 |
| 5.1.4 实验建模单元 | 第45-46页 |
| 5.2 实验数据库 | 第46-47页 |
| 5.3 数据准备 | 第47-53页 |
| 5.3.1 语音数据 | 第47-50页 |
| 5.3.2 语言数据 | 第50-53页 |
| 5.4 模型训练 | 第53-56页 |
| 5.4.1 GMM模型训练 | 第53-54页 |
| 5.4.2 DNN模型训练 | 第54-55页 |
| 5.4.3 特征提取过程 | 第55-56页 |
| 5.4.4 训练及解码脚本 | 第56页 |
| 5.5 实验结果及分析 | 第56-59页 |
| 5.6 本章总结 | 第59-60页 |
| 6 总结与展望 | 第60-62页 |
| 6.1 总结 | 第60页 |
| 6.2 展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 附录A | 第65-72页 |
| 附录B | 第72-78页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第78-80页 |
| 学位论文数据集 | 第80页 |
