本文關(guān)鍵詞：基于深度神經(jīng)網(wǎng)絡(luò)的蒙古文語音識別系統(tǒng)

  更多相關(guān)文章： RASR HMM 深度神經(jīng)網(wǎng)絡(luò) 語音自動識別

【摘要】：語音識別技術(shù),也被稱為自動語音識別(ASR),其目標是將人類的語音中的詞匯內(nèi)容轉(zhuǎn)換為計算機可讀的輸入,例如按鍵、二進制編碼或者字符序列。近年來,語音識別技術(shù)已經(jīng)在各種大語種中全面展開,進入各個領(lǐng)域。比如隨處可見的蘋果中的siri系統(tǒng)�？上Ц哔|(zhì)量的語音服務(wù)中還未出現(xiàn)少數(shù)民族語言的相應(yīng)語音服務(wù)。蒙古語語音識別的研究課題對于促進蒙古族語言文化的繁榮、發(fā)展和科技進步,以及中國少數(shù)民族語音信息處理的發(fā)展都具有重要的意義。目前有關(guān)語言和語音處理的公共可用的開源軟件越來越多,而大多數(shù)的語音識別系統(tǒng)僅僅處理封閉的詞匯表。但對于處理無限制語音輸入的應(yīng)用程序來說,即使再大的詞匯表也無法覆蓋所有的詞匯。德國亞琛工業(yè)大學開發(fā)的開源語音識別工具(RWTH ASR,簡稱RASR),可將詞匯表中的詞單元組合起來合并成一個新詞,從而在識別處理過程中識別外來詞匯,完成大詞匯量連續(xù)語音識別。本文介紹了語音識別技術(shù)的理論知識,并且通過德國亞琛工業(yè)大學開發(fā)的開源語音識別工具(RWTH ASR,簡稱RASR)開發(fā)大詞匯量語音識別的聲學模型和解碼器。完成信號分析的配置,估計高斯混合模型和語音決策樹,結(jié)合深度神經(jīng)網(wǎng)絡(luò)(Deep Neural Network, DNN)得到一個開放的詞匯自動語音識別(Automatic Speech Recognition, ASR)系統(tǒng)。本文的主要工作是使用神經(jīng)網(wǎng)絡(luò)來對大量語音數(shù)據(jù)進行訓(xùn)練,并得到聲學模型。同時詳細介紹了怎樣用RASR開源工具開發(fā)連續(xù)語音識別的過程,重點介紹訓(xùn)練和識別的配置和實現(xiàn)。
【關(guān)鍵詞】：RASR HMM 深度神經(jīng)網(wǎng)絡(luò) 語音自動識別
【學位授予單位】：內(nèi)蒙古大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP183;TN912.34
【目錄】：

• 摘要4-6
• ABSTRACT6-12
• 第一章 緒論12-15
• 1.1 語音識別概述與分類12-13
• 1.2 語音識別技術(shù)的發(fā)展歷史13-14
• 1.2.1 語音識別技術(shù)在其他國家的發(fā)展13
• 1.2.2 語音識別技術(shù)在國外的發(fā)展13
• 1.2.3 蒙古語語音識別技術(shù)面臨的挑戰(zhàn)13-14
• 1.3 論文研究內(nèi)容14-15
• 第二章 語音識別的基本原理15-24
• 2.1 語音識別本質(zhì)15-16
• 2.1.1 聲學模型15
• 2.1.2 語言模型15-16
• 2.1.3 詞典16
• 2.1.4 解碼器16
• 2.2 語音識別流程圖16-17
• 2.3 隱馬爾可夫模型基本原理17-20
• 2.4 HMM輸出概率20
• 2.5 HMM參數(shù)估計20-22
• 2.6 語音解碼和搜索算法22-23
• 2.7 本章小結(jié)23-24
• 第三章 神經(jīng)網(wǎng)絡(luò)模型24-32
• 3.1 神經(jīng)網(wǎng)絡(luò)概述24-26
• 3.1.1 神經(jīng)網(wǎng)絡(luò)的類型24
• 3.1.2 神經(jīng)元24-25
• 3.1.3 多層感知器網(wǎng)絡(luò)25-26
• 3.2 BP網(wǎng)絡(luò)26-29
• 3.2.1 算法思想27
• 3.2.2 BP算法的步驟27-28
• 3.2.3 參數(shù)對BP算法的影響28-29
• 3.2.4 BP網(wǎng)絡(luò)的優(yōu)缺點29
• 3.3 深度學習思想29-31
• 3.3.1 深度學習的基本思想30
• 3.3.2 深度信念神經(jīng)網(wǎng)絡(luò)30-31
• 3.3.2.1 RBM31
• 3.3.2.2 DBN-DNN31
• 3.4 本章小結(jié)31-32
• 第四章 基于深度神經(jīng)網(wǎng)絡(luò)的蒙古文語音識別32-56
• 4.1 軟件安裝33-34
• 4.1.1 RWTH ASR 0.6.1安裝33
• 4.1.2 SRI LM工具安裝33-34
• 4.2 數(shù)據(jù)準備34-37
• 4.2.1 語料庫文件34-35
• 4.2.2 字典文件35-36
• 4.2.3 計算統(tǒng)計36-37
• 4.3 特征提取37-41
• 4.3.1 流網(wǎng)絡(luò)37-38
• 4.3.2 聲學特征38-40
• 4.3.3 MFCC特征提取40-41
• 4.4 聲學模型的訓(xùn)練41-45
• 4.4.1 單音素訓(xùn)練42-44
• 4.4.2 三音素訓(xùn)練44-45
• 4.5 訓(xùn)練神經(jīng)網(wǎng)絡(luò)45-49
• 4.5.1 Hybrid NN/HMM系統(tǒng)45-46
• 4.5.2 訓(xùn)練神經(jīng)網(wǎng)絡(luò)46-47
• 4.5.3 Tandem bottleneck系統(tǒng)47-49
• 4.6 語言模型訓(xùn)練49
• 4.7 解碼和識別49-52
• 4.7.1 解碼器49
• 4.7.2 識別過程49-52
• 4.8 實驗結(jié)果52-55
• 4.8.1 AN4語料庫識別52
• 4.8.2 Mongolian語料庫識別52-53
• 4.8.3 實驗結(jié)果分析53-55
• 4.9 本章小結(jié)55-56
• 第五章 總結(jié)與展望56-57
• 參考文獻57-60
• 致謝60

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 汪洪波;;語音識別系統(tǒng)在配送中心的應(yīng)用[J];信息與電腦;2006年06期

2 楊q，

本文編號：830632