基于神经网络的多方言口音汉语语音识别系统研究
| 摘要 | 第1-4页 |
| Abstract | 第4-10页 |
| 第一章 引言 | 第10-22页 |
| ·研究背景和意义 | 第10-14页 |
| ·语音识别技术介绍 | 第10页 |
| ·语音识别方法介绍 | 第10-13页 |
| ·语音识别性能的评价 | 第13-14页 |
| ·鲁棒语音识别 | 第14页 |
| ·本文研究内容 | 第14-15页 |
| ·国内外研究现状 | 第15-19页 |
| ·口音自动分类的研究现状 | 第15-16页 |
| ·带口音语音识别的研究现状 | 第16-19页 |
| ·本文章节安排 | 第19-22页 |
| 第二章 基于多层级适应性网络的语音识别系统 | 第22-32页 |
| ·人工神经网络介绍 | 第22-25页 |
| ·ANN 的结构 | 第22-23页 |
| ·ANN 参数更新 | 第23-24页 |
| ·ANN 训练优化方法 | 第24-25页 |
| ·基于 HMM 的自适应建模方法 | 第25-26页 |
| ·基于 HMM 的声学建模限制性分析 | 第26-27页 |
| ·MLP 应用到语音识别中的优势分析 | 第27-28页 |
| ·HMM/ANN 级联(Tandem)系统 | 第28-29页 |
| ·多层级适应性网络(MLAN) | 第29-32页 |
| 第三章 多口音语音识别 | 第32-44页 |
| ·多口音汉语识别的特点及难点 | 第32-34页 |
| ·汉语方言概况介绍 | 第32-33页 |
| ·多口音的汉语语音识别的难点 | 第33-34页 |
| ·基于 MLP 的口音分类模型 | 第34-36页 |
| ·输入特征选择 | 第34页 |
| ·监督学习的标签 | 第34-35页 |
| ·前馈结果判别准则 | 第35-36页 |
| ·MLP/HMM 系统训练的优化方法 | 第36-39页 |
| ·MLP 的瓶颈层特征 | 第36-37页 |
| ·MLP 训练数据标注文本的切分 | 第37-38页 |
| ·新模型初始化方法 | 第38-39页 |
| ·多口音数据上的 TANDEM 系统建模 | 第39-41页 |
| ·多口音数据上的 MLAN 系统建模 | 第41-44页 |
| 第四章 实验设计及结果分析 | 第44-60页 |
| ·实验数据介绍 | 第44-47页 |
| ·CASIA 北方口音语音库 | 第44-45页 |
| ·四大方言普通话语音库 | 第45-47页 |
| ·本文实验集合设置 | 第47页 |
| ·口音分类系统 | 第47-50页 |
| ·实验描述及设置 | 第47-49页 |
| ·实验结果及分析 | 第49-50页 |
| ·GMM-HMM 基线模型 | 第50-52页 |
| ·实验描述及设置 | 第50-51页 |
| ·实验结果及分析 | 第51-52页 |
| ·Tandem 系统 | 第52-54页 |
| ·实验描述及设置 | 第52-53页 |
| ·实验结果及分析 | 第53-54页 |
| ·MLAN 系统 | 第54-56页 |
| ·实验描述及设置 | 第54页 |
| ·实验结果及分析 | 第54-56页 |
| ·多口音语音识别系统 | 第56-60页 |
| 第五章 总结与展望 | 第60-62页 |
| ·本文总结 | 第60-61页 |
| ·后续工作 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 作者简介及攻读学位期间发表的学术论文与研究成果 | 第67-68页 |
