| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 NIST竞赛与主流语音识别语料库及开发框架的诞生 | 第11-12页 |
| 1.2.2 IBM、Nuance、微软与谷歌等公司的语音识别研究 | 第12-14页 |
| 1.2.3 国内机构语音识别研究情况 | 第14页 |
| 1.3 论文主要工作及章节安排 | 第14-16页 |
| 第二章 语音识别关键技术简介 | 第16-25页 |
| 2.1 前言 | 第16-18页 |
| 2.2 语音识别基元 | 第18-19页 |
| 2.3 声学模型 | 第19-22页 |
| 2.3.1 GMM-HMM | 第19-20页 |
| 2.3.2 DNN-HMM | 第20页 |
| 2.3.3 LSTM等其他神经网络 | 第20-22页 |
| 2.4 语言模型 | 第22-23页 |
| 2.4.1 N-gram语言模型 | 第22-23页 |
| 2.4.2 RNN语言模型 | 第23页 |
| 2.5 本文语音识别系统方案选型概述 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 基于RNN语言模型和DNN-HMM声学模型的语音识别系统 | 第25-51页 |
| 3.1 语音识别系统方案选型 | 第25-35页 |
| 3.1.1 识别基元的选择与实验 | 第25-28页 |
| 3.1.2 声学模型的选型 | 第28-33页 |
| 3.1.3 语言模型的选型 | 第33-35页 |
| 3.2 文本语料和语音语料的准备 | 第35-37页 |
| 3.2.1 文本语料的获取与清洗 | 第35-36页 |
| 3.2.2 语音语料 | 第36-37页 |
| 3.3 KALDI框架简介 | 第37-38页 |
| 3.4 DNN-HMM声学模型和RNN语言模型的训练与实验 | 第38-50页 |
| 3.4.1 循环神经网络语言模型的训练与实验 | 第39-42页 |
| 3.4.2 深度神经网络声学模型的训练与实验 | 第42-50页 |
| 3.5 本章小结 | 第50-51页 |
| 第四章 语音识别系统在说话人认证系统中的应用 | 第51-65页 |
| 4.1 前言 | 第51-52页 |
| 4.2 语音识别系统和说话人认证系统的连接逻辑 | 第52-53页 |
| 4.3 语音识别模块在说话人认证系统上的应用 | 第53-64页 |
| 4.3.1 语音识别系统和对话管理系统的协同过程 | 第53-54页 |
| 4.3.2 语音识别与对话管理服务器和说话人认证服务器的通信过程 | 第54-55页 |
| 4.3.3 语音识别系统在说话人认证系统上的部署检验 | 第55-64页 |
| 4.4 本章小结 | 第64-65页 |
| 总结与展望 | 第65-68页 |
| 1.工作总结 | 第65-66页 |
| 2.工作展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间取得的研究成果 | 第72-73页 |
| 致谢 | 第73-74页 |
| 附件 | 第74页 |
