語音識別是模式識別的重要研究分支,也是當(dāng)下人工智能時代人們重點(diǎn)關(guān)注的一項(xiàng)交互技術(shù)。近50多年來,傳統(tǒng)語音識別技術(shù)逐漸地趨于穩(wěn)定,而隨著21世紀(jì)初深度神經(jīng)網(wǎng)絡(luò)理論的廣泛關(guān)注,語音識別技術(shù)也隨之有了迅猛的發(fā)展。從理論研究到產(chǎn)品應(yīng)用,多樣的深度神經(jīng)網(wǎng)絡(luò)模型在復(fù)雜的語音識別任務(wù)中取得了不俗的成果。本文的研究初衷是探討在連續(xù)語音識別任務(wù)中應(yīng)用不同的深度神經(jīng)網(wǎng)絡(luò)模型,完成的主要工作有兩點(diǎn):（1）研究了基于自動編碼器結(jié)構(gòu)的聲學(xué)特征提取方法,針對現(xiàn)實(shí)應(yīng)用場景中存在的噪聲污染、多聲源干擾等復(fù)雜環(huán)境下的語音識別任務(wù),提出了一種堆疊式壓縮降噪自動編碼器模型,使得提取出的聲學(xué)特征具有更強(qiáng)的抗干擾能力和表征能力。在2個標(biāo)準(zhǔn)語料庫上進(jìn)行的對比實(shí)驗(yàn)中,分別驗(yàn)證了網(wǎng)絡(luò)模型深度以及使用不同編碼器結(jié)構(gòu)對提取聲學(xué)特征的影響。經(jīng)實(shí)驗(yàn)結(jié)果表明,堆疊式壓縮降噪自動編碼器模型能夠通過自身的泛化能力,提取出更能代表語音信號本身的深層次特征,且在識別率指標(biāo)上較其他的編碼器網(wǎng)絡(luò)模型結(jié)構(gòu)有2%--4%的絕對提升。（2）研究了基于循環(huán)神經(jīng)網(wǎng)絡(luò)的端到端語音識別過程,分別使用CTC訓(xùn)練準(zhǔn)則和注意力機(jī)制訓(xùn)練準(zhǔn)則,在雙向循環(huán)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,建立了... 

【文章來源】：吉林大學(xué)吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

語音識別流程

圖 2.2 分幀操作中的幀長與幀移對語音信號進(jìn)行分幀操作之后，每一幀都當(dāng)成平穩(wěn)信號來處理，隨后就葉展開每一項(xiàng)以獲取頻譜特征，在這一過程中需要進(jìn)行加窗操作，即模

圖 2.3 MFCC 特征提取流程通過研究發(fā)現(xiàn)，人耳對不同頻率的敏感程度不同，對相對低頻率信號的感知能力較強(qiáng)，而相對高頻率信號的感知能力較低。梅爾頻率分析就是基于人類聽覺的特性感知實(shí)驗(yàn)，


本文編號：2908860