本文關(guān)鍵詞：基于深度神經(jīng)網(wǎng)絡(luò)的語音識別研究

  更多相關(guān)文章： 語音識別 深度學(xué)習(xí)（DL） Kaldi工具箱 音節(jié)錯誤率（WER）

【摘要】：在過去的幾年里，以深度學(xué)習(xí)研究為基礎(chǔ)發(fā)展起來的深度學(xué)習(xí)技術(shù)對信號和信息處理方面的工作有著越來越廣泛的影響，可以說，深度學(xué)習(xí)已經(jīng)拓寬為機器學(xué)習(xí)和人工智能研究的主要方面。 本文首先介紹了語音識別基于原理，主要介紹了語音信號的預(yù)處理過程，語音信號的MFCC特征和語音識別方法。 以人工神經(jīng)網(wǎng)絡(luò)在機器學(xué)習(xí)方面的應(yīng)用為主線，，可以引入深層神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)問題。根據(jù)網(wǎng)絡(luò)結(jié)構(gòu)的作用和訓(xùn)練方法的不同，深層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)可以大致分為三類：生成深層結(jié)構(gòu)，判別深層結(jié)構(gòu)和混合深層結(jié)構(gòu)。對于深度學(xué)習(xí)方法，本文主要介紹了BP算法和用RBM實現(xiàn)深度學(xué)習(xí)的方法。 最后，本文利用Kaldi語音識別工具箱，以BP訓(xùn)練算法為理論依據(jù)，對一個含有4隱層神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并利用該網(wǎng)絡(luò)進(jìn)行中文語音識別。 本文以識別錯誤率為標(biāo)準(zhǔn)，研究了中文發(fā)音音子集對深層神經(jīng)網(wǎng)絡(luò)語音識別錯誤率的影響。
【關(guān)鍵詞】：語音識別 深度學(xué)習(xí)（DL） Kaldi工具箱 音節(jié)錯誤率（WER）
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN912.34
【目錄】：

• 摘要3-4
• Abstract4-5
• 目錄5-7
• 第一章 緒論7-10
• 1.1 研究背景7
• 1.2 深度學(xué)習(xí)的幾種定義7-8
• 1.3 本文內(nèi)容安排8-10
• 第二章 語音識別基本原理10-19
• 2.1 語音信號的預(yù)處理10-15
• 2.1.1 語音信號的預(yù)加重11
• 2.1.2 語音信號的加窗處理11-13
• 2.1.3 語音信號的端點檢測13-15
• 2.2 語音識別特征提取15-16
• 2.3 語音識別方法16-17
• 2.4 本章小結(jié)17-19
• 第三章 人工神經(jīng)網(wǎng)絡(luò)基礎(chǔ)19-26
• 3.1 人工神經(jīng)元模型19-20
• 3.2 神經(jīng)網(wǎng)絡(luò)應(yīng)用于機器學(xué)習(xí)20-21
• 3.3 BP 算法21-24
• 3.4 神經(jīng)網(wǎng)絡(luò)的優(yōu)化問題24-25
• 3.5 本章小結(jié)25-26
• 第四章 深度學(xué)習(xí)26-35
• 4.1 深度學(xué)習(xí)結(jié)構(gòu)26-30
• 4.1.1 DNN 結(jié)構(gòu)27-28
• 4.1.2 DBN 結(jié)構(gòu)28-30
• 4.2 用 RBM 實現(xiàn)深度學(xué)習(xí)的方法30-34
• 4.3 本章小結(jié)34-35
• 第五章 Kaldi 語音識別系統(tǒng)35-40
• 5.1 Kaldi 語音識別平臺搭建35-37
• 5.2 Kaldi 語音識別工具箱簡介37-39
• 5.3 本章小結(jié)39-40
• 第六章 實驗過程與結(jié)果分析40-51
• 6.1 數(shù)據(jù)準(zhǔn)備40-48
• 6.1.1 data/local/dict 文件夾41-42
• 6.1.2 data/train 文件夾42-44
• 6.1.3 data/lang 文件夾44-47
• 6.1.4 G.fst47-48
• 6.2 主要的腳本文件48-49
• 6.3 結(jié)果與分析49-50
• 6.4 本章小結(jié)50-51
• 參考文獻(xiàn)51-55
• 致謝55

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 劉翠;張歆奕;;基于FT和HHT的語音能量輪郭特征提取[J];五邑大學(xué)學(xué)報(自然科學(xué)版);2014年01期

2 孟澤民;林生生;;基于神經(jīng)網(wǎng)絡(luò)的家用型睡眠呼吸暫停綜合癥監(jiān)測系統(tǒng)[J];計算機系統(tǒng)應(yīng)用;2014年03期

3 張俏;楊驍;湯煒;;LPC與LSF系數(shù)轉(zhuǎn)換的FPGA實現(xiàn)[J];微型機與應(yīng)用;2014年13期

4 李野;姬紅旭;張磊;張曉雪;;端點檢測方法的研究[J];職業(yè)技術(shù);2014年10期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 徐紅梅;與文本無關(guān)的閉集聲紋識別系統(tǒng)研究[D];哈爾濱理工大學(xué);2013年

2 吳艷君;基于AMDF的脈搏周期提取算法改進(jìn)[D];江西財經(jīng)大學(xué);2013年

3 羅影利;基于嵌入式的關(guān)鍵詞組識別系統(tǒng)的設(shè)計與實現(xiàn)[D];南京理工大學(xué);2014年

4 肖宇鋒;基于ISOMAP語音特征提取的研究與DSP實現(xiàn)[D];湖南大學(xué);2013年

5 王帥;基于壓縮感知的語音信號壓縮重構(gòu)算法研究[D];中北大學(xué);2014年

6 陳鳴;基于復(fù)倒譜變換的音頻水印算法研究[D];長春理工大學(xué);2013年

7 施巍巍;經(jīng)驗?zāi)B(tài)分解方法及其在語音識別算法中的研究[D];浙江理工大學(xué);2014年

8 顏利君;基于噪聲估計和掩蔽效應(yīng)的語音增強[D];西南交通大學(xué);2014年

9 龐永強;基于VoIP的VHF通信系統(tǒng)中話音質(zhì)量增強方法研究[D];內(nèi)蒙古大學(xué);2014年

10 郭曉彬;基于DSP的G.729語音編碼算法的研究與實現(xiàn)[D];吉林大學(xué);2014年

本文編號：828916