語(yǔ)音識(shí)別技術(shù)是一門(mén)應(yīng)用越來(lái)越廣泛的技術(shù),在一些領(lǐng)域已經(jīng)讓人們擺脫人機(jī)交互的束縛,但是由于噪聲對(duì)語(yǔ)音識(shí)別系統(tǒng)的影響較大,使得語(yǔ)音識(shí)別技術(shù)的應(yīng)用進(jìn)入了瓶頸期。為了解決噪聲環(huán)境下語(yǔ)音識(shí)別系統(tǒng)性能下降、識(shí)別率低的問(wèn)題,本文研究?jī)?nèi)容如下:首先,本文提出了基于協(xié)調(diào)注意力的深度復(fù)數(shù)密集連接卷積遞歸網(wǎng)絡(luò)的語(yǔ)音降噪算法CA-DCDCCRN,利用密集卷積替換標(biāo)準(zhǔn)卷積,增強(qiáng)降噪網(wǎng)絡(luò)的深度監(jiān)督和特征重用能力,再引入?yún)f(xié)調(diào)注意力機(jī)制,使移動(dòng)網(wǎng)絡(luò)能夠在大區(qū)域上進(jìn)行關(guān)注,為不同的特征通道分配不同的關(guān)注權(quán)重,從而提取噪聲語(yǔ)譜圖的細(xì)節(jié)信息。其次,本文提出了基于Transform的輕量化語(yǔ)言模型LLMT。此模型的核心內(nèi)容是利用基于權(quán)重轉(zhuǎn)換和Hadamard矩陣的權(quán)重計(jì)算方法實(shí)現(xiàn)權(quán)重復(fù)用,解決共享參數(shù)單一化問(wèn)題,同時(shí)Hadamard矩陣計(jì)算解決了部分多頭注意力權(quán)重未使用的問(wèn)題,提升模型的編解碼速度。另外,本文設(shè)計(jì)了特征補(bǔ)償?shù)妮p量化前饋網(wǎng)絡(luò),通過(guò)升維和降維操作對(duì)特征進(jìn)行整合,降低了網(wǎng)絡(luò)參數(shù)計(jì)算量,并利用特征補(bǔ)償來(lái)保證前饋網(wǎng)絡(luò)的性能。最后,本文在前兩點(diǎn)研究的基礎(chǔ)上提出了融合輕量化語(yǔ)言模型的端到端噪聲語(yǔ)音識(shí)別算法ENSRILLM,...

【文章頁(yè)數(shù)】：75 頁(yè)

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 語(yǔ)音降噪技術(shù)研究現(xiàn)狀
        1.2.2 語(yǔ)音識(shí)別技術(shù)研究現(xiàn)狀
    1.3 主要研究?jī)?nèi)容及章節(jié)安排
第2章 噪聲語(yǔ)音識(shí)別相關(guān)技術(shù)原理
    2.1 引言
    2.2 語(yǔ)音識(shí)別基礎(chǔ)原理
        2.2.1 特征提取原理
        2.2.2 聲學(xué)模型
        2.2.3 語(yǔ)言模型
    2.3 噪聲處理方法
    2.4 語(yǔ)音識(shí)別系統(tǒng)
        2.4.1 傳統(tǒng)的語(yǔ)音識(shí)別模型
        2.4.2 端到端語(yǔ)音識(shí)別模型
    2.5 本章小結(jié)
第3章 CA-DCDCCRN 語(yǔ)音降噪算法
    3.1 引言
    3.2 DCDCCRN 網(wǎng)絡(luò)設(shè)計(jì)
        3.2.1 密集連接網(wǎng)絡(luò)
        3.2.2 DCDCCRN 網(wǎng)絡(luò)結(jié)構(gòu)
    3.3 協(xié)調(diào)注意力機(jī)制捕獲雙向特征
    3.4 CA-DCDCCRN 網(wǎng)絡(luò)結(jié)構(gòu)
    3.5 實(shí)驗(yàn)結(jié)果與分析
        3.5.1 實(shí)驗(yàn)數(shù)據(jù)集及評(píng)價(jià)指標(biāo)
        3.5.2 PESQ 和 STOI 實(shí)驗(yàn)結(jié)果分析
        3.5.3 SNR實(shí)驗(yàn)結(jié)果分析
        3.5.4 實(shí)驗(yàn)結(jié)果展示
    3.6 本章小結(jié)
第4章 基于 Transform 的輕量化語(yǔ)言模型
    4.1 引言
    4.2 ALBERT 模型
        4.2.1 ALBERT 網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.2 ALBERT 存在的問(wèn)題
    4.3 LLMT語(yǔ)言模型設(shè)計(jì)
        4.3.1 FCLFFN 網(wǎng)絡(luò)結(jié)構(gòu)
        4.3.2 WSWTHM 權(quán)重計(jì)算方法
        4.3.3 LLMT網(wǎng)絡(luò)結(jié)構(gòu)
    4.4 實(shí)驗(yàn)結(jié)果與分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)集及評(píng)價(jià)指標(biāo)
        4.4.2 消融實(shí)驗(yàn)結(jié)果分析
        4.4.3 語(yǔ)言模型實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第5章 融合輕量化語(yǔ)言模型的端到端噪聲語(yǔ)音識(shí)別算法
    5.1 引言
    5.2 ENSRILLM 模型搭建
        5.2.1 ENSRILLM-S 模型
        5.2.2 ENSRILLM-L 模型
    5.3 實(shí)驗(yàn)結(jié)果與分析
        5.3.1 實(shí)驗(yàn)數(shù)據(jù)集及參數(shù)介紹
        5.3.2 實(shí)驗(yàn)結(jié)果分析
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)



本文編號(hào)：3899659