基于HMM和DNN的语音识别算法研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 语音识别的发展及研究现状 | 第11-13页 |
| 1.3 语音识别难点与前沿问题 | 第13页 |
| 1.4 论文研究内容与组织结构 | 第13-15页 |
| 第二章 语音识别技术原理 | 第15-28页 |
| 2.1 语音识别系统的基本结构 | 第15页 |
| 2.2 语音信号的预处理 | 第15-20页 |
| 2.2.1 语音信号的预加重 | 第16-18页 |
| 2.2.2 语音信号的加窗分帧 | 第18-19页 |
| 2.2.3 语音信号的端点检测 | 第19-20页 |
| 2.3 语音识别特征参数的提取 | 第20-25页 |
| 2.3.1 线性预测系数 | 第21页 |
| 2.3.2 线性预测倒谱系数 | 第21-22页 |
| 2.3.3 梅尔频率倒谱系数 | 第22-25页 |
| 2.4 语音识别常用算法 | 第25-27页 |
| 2.4.1 动态时间规整 | 第25-26页 |
| 2.4.2 隐马尔科夫模型 | 第26页 |
| 2.4.3 人工神经网络 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于HMM的语音识别算法与实现 | 第28-41页 |
| 3.1 隐马尔科夫模型 | 第28-33页 |
| 3.1.1 HMM基本概念 | 第28-29页 |
| 3.1.2 HMM的三个基本问题和解决方案 | 第29-33页 |
| 3.2 基于HMM的孤立词语音识别系统 | 第33-40页 |
| 3.2.1 CMUSphinx语音识别系统 | 第33-34页 |
| 3.2.2 机器人语音控制系统 | 第34-35页 |
| 3.2.3 数据准备 | 第35-38页 |
| 3.2.4 声学模型训练 | 第38-40页 |
| 3.2.5 结果分析 | 第40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 深度学习神经网络算法与实现 | 第41-57页 |
| 4.1 人工神经网络 | 第41-44页 |
| 4.1.1 神经元 | 第41-43页 |
| 4.1.2 神经网络的结构 | 第43-44页 |
| 4.1.3 神经网络的学习方式 | 第44页 |
| 4.2 基于BP算法的神经网络 | 第44-46页 |
| 4.3 深度学习神经网络模型 | 第46-47页 |
| 4.3.1 深度学习的基本思想 | 第46页 |
| 4.3.2 深度学习的架构 | 第46-47页 |
| 4.4 深度信念网络和深度自动编码器 | 第47-50页 |
| 4.4.1 深度信念网络 | 第47-49页 |
| 4.4.2 深度自动编码器 | 第49-50页 |
| 4.5 基于DNN的连续语音识别系统 | 第50-56页 |
| 4.5.1 Kaldi语音识别工具介绍 | 第50-51页 |
| 4.5.2 数据准备 | 第51-53页 |
| 4.5.3 深度模型训练 | 第53-54页 |
| 4.5.4 结果分析 | 第54-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-59页 |
| 5.1 课题工作总结 | 第57-58页 |
| 5.2 展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间的研究成果 | 第63-64页 |
