基于深度学习的面向聋哑人多源声音识别算法研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第11-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 课题研究背景 | 第15-16页 |
| 1.2 研究现状 | 第16-18页 |
| 1.2.1 移动设备上的音频传感应用 | 第16页 |
| 1.2.2 环境无关的音频传感 | 第16-17页 |
| 1.2.3 深度学习移动音频传感 | 第17页 |
| 1.2.4 多源数据处理 | 第17-18页 |
| 1.3 研究目标和研究内容 | 第18页 |
| 1.4 论文各章节安排 | 第18-21页 |
| 第二章 相关技术 | 第21-29页 |
| 2.1 深度学习综述 | 第21-24页 |
| 2.1.1 卷积神经网络(CNN) | 第21-22页 |
| 2.1.2 布尔曼滋机 | 第22-24页 |
| 2.2 语音信号特征提取 | 第24-25页 |
| 2.2.1 线性预测系数 | 第24-25页 |
| 2.2.2 梅尔倒谱系数 | 第25页 |
| 2.3 Theano简介 | 第25-26页 |
| 2.4 GPU简介 | 第26-29页 |
| 第三章 方案设计 | 第29-31页 |
| 3.1 问题描述 | 第29-30页 |
| 3.2 方案设计 | 第30-31页 |
| 第四章 语音特征提取 | 第31-39页 |
| 4.1 MFCC流程简介 | 第31页 |
| 4.2 预加重 | 第31-32页 |
| 4.3 加窗 | 第32-34页 |
| 4.4 离散傅立叶变换 | 第34页 |
| 4.5 梅尔滤波带宽 | 第34-35页 |
| 4.6 倒谱:逆离散傅立叶变换 | 第35-36页 |
| 4.7 能量转换 | 第36-37页 |
| 4.8 本章小结 | 第37-39页 |
| 第五章 多源数据识别模型 | 第39-59页 |
| 5.1 监督化的多源声音识别模型 | 第39-48页 |
| 5.1.1 卷积层 | 第40-43页 |
| 5.1.2 池化层 | 第43-45页 |
| 5.1.3 全连接层 | 第45-46页 |
| 5.1.4 信息遗失(Dropout) | 第46-48页 |
| 5.2 基于卷积神经网络的模型压缩 | 第48-51页 |
| 5.2.1 压缩策略 | 第49-50页 |
| 5.2.2 压缩算法 | 第50-51页 |
| 5.3 半监督式多源声音音识别模型 | 第51-57页 |
| 5.3.1 限制布尔曼滋机 | 第52-54页 |
| 5.3.2 训练算法 | 第54-55页 |
| 5.3.3 分类算法 | 第55-57页 |
| 5.4 本章小结 | 第57-59页 |
| 第六章 测试与结果分析 | 第59-75页 |
| 6.1 实验环境 | 第59-60页 |
| 6.2 数据处理 | 第60-62页 |
| 6.2.1 数据收集 | 第60-61页 |
| 6.2.2 数据预处理 | 第61-62页 |
| 6.3 实验结果 | 第62-73页 |
| 6.3.1 识别准确率和同类算法比较 | 第62-63页 |
| 6.3.2 混淆矩阵 | 第63-65页 |
| 6.3.3 模型压缩率 | 第65-67页 |
| 6.3.4 抗噪能力 | 第67-68页 |
| 6.3.5 训练次数 | 第68-70页 |
| 6.3.6 MFCC滤波数 | 第70-72页 |
| 6.3.7 环境无关性 | 第72-73页 |
| 6.4 本章小结 | 第73-75页 |
| 第七章 总结与展望 | 第75-77页 |
| 7.1 本文总结 | 第75页 |
| 7.2 未来展望 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 致谢 | 第83-85页 |
| 作者简介 | 第85-86页 |
