| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-16页 |
| ·研究背景和意义 | 第11页 |
| ·语音识别的发展及应用 | 第11-12页 |
| ·语音识别面临的挑战 | 第12-14页 |
| ·作者主要的研究工作 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 第二章 基于HMM的语音识别 | 第16-31页 |
| ·隐马尔科夫模型(HMM,Hidden Markov Model) | 第16-19页 |
| ·离散马尔科夫过程 | 第16-17页 |
| ·隐马尔科夫模型 | 第17-18页 |
| ·隐马尔科夫模型的基本元素 | 第18-19页 |
| ·语音识别 | 第19-28页 |
| ·声学模型训练 | 第22-26页 |
| ·解码器 | 第26-28页 |
| ·声学模型压缩 | 第28-29页 |
| ·实验系统 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于高斯分量共享的声学模型压缩 | 第31-46页 |
| ·传统的高斯分量共享(MT,Mixture Tying) | 第31-37页 |
| ·传统的高斯分量共享的定义 | 第32页 |
| ·传统的高斯分量共享与半连续型HMM的关系 | 第32-33页 |
| ·聚类算法 | 第33-35页 |
| ·实验结论与分析 | 第35-37页 |
| ·子空间聚类(SDC,Subspace Distribution Clustering) | 第37-45页 |
| ·子空间聚类 | 第37-39页 |
| ·子空间的划分 | 第39-41页 |
| ·传统高斯分量共享、子空间划分的对比实验及结论 | 第41-42页 |
| ·子空间码本数目的确定 | 第42-43页 |
| ·子空间聚类前后存储量的分析 | 第43-44页 |
| ·实验结论及分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于高斯选择的声学模型压缩 | 第46-57页 |
| ·高斯选择(GS,Gaussian Selection) | 第46-47页 |
| ·标准高斯选择(SGS,Standard Gaussian Selection) | 第47-49页 |
| ·标准高斯选择的原理 | 第47-49页 |
| ·实验结果与结论 | 第49页 |
| ·传统的高斯选择 | 第49-51页 |
| ·传统的高斯选择算法 | 第49-51页 |
| ·实验结论与分析 | 第51页 |
| ·基于单音素状态的高斯选择(MSBGS,Monophone State-Based GS) | 第51-53页 |
| ·MSBGS原理 | 第51-52页 |
| ·实验结论与分析 | 第52-53页 |
| ·基于分量共享的高斯选择(TMBGS,Tied-Mixture-Based GS) | 第53-56页 |
| ·TMBGS原理 | 第54-55页 |
| ·实验结论与分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 总结与展望 | 第57-58页 |
| ·论文工作总结 | 第57页 |
| ·下一步工作展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 作者攻读学位期间发表的学术论文目录 | 第62页 |
