| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-14页 |
| ·基于语音识别系统的特征 | 第9-11页 |
| ·语音反演 | 第11-12页 |
| ·声道变量 | 第12-14页 |
| ·论文研究内容及结构 | 第14-16页 |
| ·本文研究内容 | 第14页 |
| ·论文结构 | 第14-16页 |
| 第二章 语音反演的机器学习方法概述 | 第16-25页 |
| ·深度结构的生成模型 | 第16-17页 |
| ·前馈人工神经网络 | 第17-18页 |
| ·自回归人工神经网络 | 第18-19页 |
| ·远端监督学习 | 第19-21页 |
| ·轨迹混合密度网络 | 第21-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 声道模型中声道变量的研究 | 第25-33页 |
| ·声道变量定义 | 第26-27页 |
| ·关于非唯一性的统计分析 | 第27-28页 |
| ·仿真实验 | 第28-32页 |
| ·实验数据 | 第28-29页 |
| ·卡尔曼滤波器 | 第29-30页 |
| ·实验过程和结果 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 不同语音反演机器学习方法对声道变量预测性能的比较 | 第33-44页 |
| ·定量测量方法 | 第33-34页 |
| ·实验数据 | 第34-35页 |
| ·实验过程和结果 | 第35-43页 |
| ·声道变量和球状轨迹的比较 | 第35-39页 |
| ·各机器学习方法对声道变量的预测性能比较 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-46页 |
| ·总结 | 第44页 |
| ·展望 | 第44-46页 |
| 参考文献 | 第46-50页 |
| 附录 1 攻读硕士学位期间撰写的论文 | 第50-51页 |
| 附录 2 攻读硕士学位期间参加的科研项目 | 第51-52页 |
| 致谢 | 第52页 |