声明
摘要
第一章 绪论
1.1 语音识别的研究背景
1.2 国内外研究现状
1.2.1 国外的发展历程及研究现状
1.2.2 国内的发展历程及研究现状
1.3 语音识别研究难点及发展前景
1.3.1 语音识别的难点
1.3.2 发展前景
1.4 语音识别系统的性能评估
1.5 本文的主要内容和章节结构
第二章 鲁棒语音识别中的关键技术
2.1 语音识别系统的结构
2.1.1 预处理
2.1.2 端点检测
2.1.3 特征参数提取
2.2 鲁棒语音识别算法
2.2.1 特征补偿
2.2.2 模型补偿
2.2.3 DNN-HMM声学模型
2.3 基于VTS特征补偿的识别算法分析
2.3.1 VTS算法
2.3.2 VTS算法改进
第三章 基于双层GMM结构和VTS特征补偿的孤立词识别
3.1 引言
3.2 基于VTS特征补偿算法概述
3.2.1 基于矢量泰勒级数的倒谱域特征补偿算法
3.2.2 GMM模型介绍
3.2.3 GMM模型描述语音信号
3.3 基于VTS特征补偿算法的结构优化
3.3.1 基于双层GMM的特征补偿概述
3.3.2 基于双层GMM的特征补偿过程
3.3.3 基于双层GMM结构的识别系统
3.4 基于MATLAB的仿真实验
3.4.1 数据库介绍
3.4.2 GMM模型混合数的选择
3.4.3 实验结果及分析
3.5 基于C平台的实时测试
3.5.1 C平台双层GMM结构VTS系统实现
3.5.2 实时测试方案设计
3.5.3 实验结果与分析
3.6 本章小结
第四章 基于多环境模型的算法优化
4.1 基于双层GMM结构VTS的多环境模型特征补偿
4.1.1 基于双层GMM结构VTS的多环境模型特征补偿概述
4.1.2 噪声参数估计
4.1.3 多环境模型特征映射
4.2 噪声参数估计初始值优化
4.2.1 最优模型初始值优化对噪声参数估计的影响
4.2.2 初始值优化对系统误识率的影响
4.3 训练噪声与测试噪声失配
4.3.1 不同噪声功率谱比较
4.3.2 训练噪声与测试噪声失配对参数估计的影响
4.3.3 C平台多环境模型系统优化
4.4 最佳迭代次数的优化
4.5 本章小结
第五章 总结与展望
5.1 工作总结
5.2 工作展望
致谢
参考文献
攻读硕士学位期间参加的科研项目和完成的论文