| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 研究背景 | 第13页 |
| 1.2 国内外研究现状 | 第13-14页 |
| 1.2.1 语音识别研究现状 | 第13-14页 |
| 1.2.2 面向民航陆空通话的语音识别研究现状 | 第14页 |
| 1.3 研究内容和论文结构 | 第14-17页 |
| 1.3.1 研究内容 | 第14-15页 |
| 1.3.2 论文结构 | 第15-17页 |
| 第二章 相关理论及知识 | 第17-25页 |
| 2.1 语音识别概述 | 第17-18页 |
| 2.2 语音信号的特征提取 | 第18-19页 |
| 2.3 声学模型 | 第19-23页 |
| 2.3.1 HMM的似然度计算——前向-后向算法 | 第19-20页 |
| 2.3.2 HMM的参数估计——Baum-Welch算法 | 第20-22页 |
| 2.3.3 HMM的解码——维特比算法 | 第22-23页 |
| 2.4 语言模型 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 中英文民航陆空通话的语种识别研究 | 第25-33页 |
| 3.1 语种识别概述 | 第25页 |
| 3.2 中英文民航陆空通话语料库的构建 | 第25-26页 |
| 3.3 面向民航陆空通话的语种识别技术 | 第26-29页 |
| 3.3.1 语种识别的特征提取 | 第26-27页 |
| 3.3.2 面向中英文民航陆空通话语种识别的特征提取 | 第27-28页 |
| 3.3.3 面向中英文民航陆空通话的语种识别 | 第28-29页 |
| 3.4 实验与分析 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 基于GMM-HMM的中英文民航陆空通话的语音识别研究 | 第33-45页 |
| 4.1 数据准备 | 第33页 |
| 4.2 构建发音字典 | 第33-35页 |
| 4.3 语言模型建模 | 第35-36页 |
| 4.4 声学模型建模 | 第36-42页 |
| 4.4.1 特征提取 | 第36-37页 |
| 4.4.2 单音素模型训练 | 第37-38页 |
| 4.4.3 三音素模型训练 | 第38-39页 |
| 4.4.4 LDA+MLLT三音素模型训练 | 第39-40页 |
| 4.4.5 fMLLR自适应训练 | 第40-41页 |
| 4.4.6 序列鉴别性训练 | 第41-42页 |
| 4.5 实验与分析 | 第42-44页 |
| 4.6 本章小结 | 第44-45页 |
| 第五章 基于深度学习的中英文民航陆空通话的语音识别研究 | 第45-53页 |
| 5.1 深度神经网络 | 第45-46页 |
| 5.2 循环神经网络 | 第46-47页 |
| 5.3 基于深度学习的中英文民航陆空通话的语音识别研究 | 第47-50页 |
| 5.3.1 中英文民航陆空通话的说话人自适应训练 | 第47-49页 |
| 5.3.2 中英文民航陆空通话的DNN-HMM声学模型训练 | 第49-50页 |
| 5.4 实验与分析 | 第50-52页 |
| 5.5 本章小结 | 第52-53页 |
| 第六章 基于迁移学习的中英文民航陆空通话的语音识别研究 | 第53-60页 |
| 6.1 跨语言深度神经网络 | 第53-56页 |
| 6.1.1 基于共享隐层多语言神经网络的跨语言迁移学习 | 第53-54页 |
| 6.1.2 基于Bottleneck或Tandem的跨语言迁移学习 | 第54-56页 |
| 6.2 半共享隐层的跨语言神经网络 | 第56-57页 |
| 6.3 实验与分析 | 第57-59页 |
| 6.3.1 实验数据及对比系统 | 第57页 |
| 6.3.2 实验结果 | 第57-59页 |
| 6.4 本章小结 | 第59-60页 |
| 第七章 总结与展望 | 第60-62页 |
| 7.1 总结 | 第60-61页 |
| 7.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 在学期间的研究成果及发表的学术论文 | 第68页 |
