君，已阅读到文档的结尾了呢~~
低数据资源条件下基于Bottleneck特征与SGMM模型的语音识别系统模型,基于,和,模型语音,语音识别,环境下,情况下,条件下,模型和,环境的
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
低数据资源条件下基于Bottleneck特征与SGMM模型的语音识别系统
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口君，已阅读到文档的结尾了呢~~
LVCSR 系统中一种基于区分性和自适应瓶颈深度置信网络的特征提取方法基于,置信,一种,系统中,网络的,特征提取,区分性,一 种,深度,提取特征
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
LVCSR 系统中一种基于区分性和自适应瓶颈深度置信网络的特征提取方法
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口１７６；据采集；与处理第２９卷；合成方法，该方法在训练阶段，利用ＤＮＮ取代传统基；尽可能纯净的原始语音信号，提高语音信号的质量、清；合成阶段直接用ＤＮＮ预测值替换传统方法的高；斯均值，对应的训练数据方差替换传统方法中高斯模型；ｄｅｅｐｂｅｌｉｅｆ；前语音增强方法或算法难以对语音谱在时频域上；的结构化信息进行有效建模和利用；由于深度学习中的ＲＢＭ，ＤＮＮ等模型
与处理第２９卷
合成方法，该方法在训练阶段，利用ＤＮＮ取代传统基于ＨＭＭ参数合成方法中的决策树和ＧＭＭ模型，建立语言学特征到声学特征的映射关系；在
尽可能纯净的原始语音信号，提高语音信号的质量、清晰度和可懂度。目前非平稳噪声语音增强仍是没有很好解决的研究问题，可能的原因之一是目
合成阶段直接用ＤＮＮ预测值替换传统方法的高
斯均值，对应的训练数据方差替换传统方法中高斯模型的方差，进行参数生成。Ｋａｎｇ等［５６］提出了基于ＤＢＮ的语音合成方法，该方法针对语音合成的特点提出ＭｎＤＢＮ（Ｍｕｈｉ―ｄｉｓｔｒｉｂｕｔｉｏｎ
ｄｅｅｐｂｅｌｉｅｆ
前语音增强方法或算法难以对语音谱在时频域上
的结构化信息进行有效建模和利用。
由于深度学习中的ＲＢＭ，ＤＮＮ等模型擅长对数据中的结构化信息进行建模，而且具有从数据的低层结构化信息提取更高层的结构化信息的能力。因此，将深度学习中的ＲＢＭ，ＤＮＮ等模型应用于语音增强也是近年语音增强研究热点之一。文献
ｎｅｔｗｏｒｋ）。借助ＭＤ－ＤＢＮ中不同类型的ＲＢＭ可以同时对频谱／基频特征以及清浊信息建模，并估计音节和声学特征的联合概率分布。
［５９］提出了一种基于理想二元时频掩蔽估计的语
音增强方法，该方法把语音增强问题转化成用ＤＮＮ估计理想二元时频掩蔽估计的分类问题，如图３所示。该方法对于低信噪比非平稳语音增强可得到高可懂度的增强语音，但语音音质损失严
４语音增强
语音增强作为语音信号处理的一个重要分支，从２０世纪６０～７０年代就得到了广泛的关注。语音增强的一个主要目标是从带噪语音信号中提取
时频单元特征提取
基于ＤＮＮ的子带分类器
’ｒ…’ｒ
．ｋ一▲Ｌ▲
ｏ冒７出口ＹＦ百日
估计的ＩＢＭ
图３基于分类深度神经网络的语音增强
Ｆｉｇ．３
ＢｌｏｃｋｄｉａｇｒａｍｏｆＤＮＮｃｌａｓｓｉｆｉｃａｔｉｏｎｂａｓｅｄｓｐｅｅｃｈｓｅｐａｒａｔｉｏｎ
文献［６０］提出了一种基于ＤＮＮ的最小均方误差回归拟合语音增强方案，如图４所示。
保证ＤＮＮ较充分学习到噪声语音谱和干净语音
谱之间复杂的非线性关系。类似的工作包括文献
［６１］采用的一种堆叠式去噪自编码器（Ｓｔａｃｋｅｄ
ｎｏｉｓｅ
ａｕｔｏｅｎｃｏｄｅｒ）来进行语音增强的方法。
Ｆｉｇ．４
５总结与展望
本文就深度学习在语音信号与信息处理领域
的研究进展情况进行了较为详细的介绍。首先介绍了深度学习的历史以及ＤＮＮ训练的基本原理
图４基于回归深度神经网络的语音增强
ＢｌｏｃｋｄｉａｇｒａｍｏｆＤＮＮ―ｂａｓｅｄｓｐｅｅｃｈｅｎｈａｎｃｅｍｅｎｔｓｙｓｔｅｍ
和算法，然后重点介绍和讨论了深度学习在语音信号与信息处理领域的语音识别、语音增强和语音合成研究方向的研究进展。相关研究进展表明，深度学习在语音信号与信息处理领域的主要课题方向
该方法基于对数功率谱最小均方误差准则，通过ＤＮＮ对带噪语音和干净语音间的复杂关系进行回归拟合建模。实验表明，多帧扩展对提升语音增强质量和连续性有很大帮助，这也在某种程度上说明语音谱的结构化信息对语音增强具有重要的作用。该语音增强方案还说明大语音数据训练能
均取得了较传统方法一定的优势，已成为语音信号与信息处理领域新的研究热点。
相比于传统的ＨＭＭ―ＧＭＭ语音识别声学模型，基于深度学习的ＨＭＭ―ＤＮＮ语音识别声学模型在大词汇量连续语音识别任务上已取得２０％～３０％的相对性能提升。深度学习在语音识别研究
戴礼荣，等：深度语音信号与信息处理：研究进展与展望
方向的进一步研究热点可能包括：首先，由于ＤＮＮ训练过程采用的是基于梯度下降的ＢＰ算法，阻碍了训练的并行化。当在大语音数据上训练ＤＮＮ模型时，所需时间在实际中有时难以忍受。目前关于如何加快模型的训练已经取得了一定的进展，但是这些技术并没有从本质上解决网络的训练耗时问题。所以在未来的研究中探索更有效的训练方法和算法将是有待进一步关注的研究问题。其次，探索如何设计训练算法使ＤＮＮ模型参数收敛到识别性能更好的局部最优点或甚而全局最优点也是一个极其具有挑战性的研究点。再者，在模型结
构上，基于ＲＮＮ声学模型的语音识别技术仍是值
得进一步深入研究的方向，由于ＲＮＮ能直接对语
音信号时序性进行建模，所以，ＲＮＮ可以完全替代
ＨＭＭ―ＧＭＭ声学模型，是一种对于语音信号与信息处理非常具有潜力的模型。最后，ＤＮＮ―ＨＭＭ的自适应技术仍将是活跃的研究点，基于ＤＮＮ―ＨＭＭ自适应技术的研究尚处于起步阶段，目前最有效的基于说话人编码的自适应技术仍存在诸多
的有待完善之处，如说语人编码并不具有真实地表
达说话人声纹信息的物理意义等。
深度学习在语音增强方面的进一步研究点可能包括：进一步提升对不包含在训练集噪声环境下的语音增强性能；语音增强ＤＮＮ模型对噪声环境的自适应问题；及进一步将深度学习应用到多声道语音增强等。目前深度学习在语音合成的应用研究也只能算是一些初步的尝试，进一步完善基于深度学习的语音合成技术还需要进一步深入的研究。这方面可能的研究点包括：寻找更适合语音合成的深层网络结构与参数生成方法；如何更好地基于深度学习进行基频建模以及韵律建模，并将深度学习应用到统计拼接语音合成中去；以及在实际应用中如何解决采用深度神经网络完全取代传统方法所
带来的运算量问题。关于深度学习在语音信号与信息处理领域的其他研究方向还包括：语种识别、
说话人识别以及语音转换等。深度学习在语种识别和语音转换的研究目前已有了初步的进展，但是在说话人识别方向还未有成功运用的研究报道，因此，这方面的研究也值得关注。致谢
感谢中国科学技术大学语音与语言信息处理国家工程实验室的博士研究生周盼、杨辰雨、薛少飞、徐勇、蒋兵，硕
士研究生刘利娟，他们对深度语音信号与信息处理相关的
大量研究资料进行了调研和整理。万方数据
参考文献：
ＨｉｎｔｏｎＧＥ，ＯｓｉｎｄｅｒｏＳ，ＴｅｈＹＷ．Ａ
ｆａｓｔｌｅａｒｎｉｎｇ
ａｌｇｏｒｉｔｈｍｆｏｒｄｅｅｐｂｅｌｉｅｆ
ＥＪ］．Ｎｅｕｒａｌ
ｃｏｍｐｕｔａ―
ｔｉｏｎ，２００６，１８（７）：１５２７―１５５４．
ＥｅｌＡｒｅｌＩ，ＲｏｓｅＤＣ，ＫａｒｎｏｗｓｋｉＴＰ．Ｄｅｅｐ
ｍａｃｈｉｎｅ
ｌｅａｒｎｉｎｇ－Ａｎｅｗｆｒｏｎｔｉｅｒ
ｉｎａｒｔｉｆｉｃｉａｌ
ｉｎｔｅｌｌｉｇｅｎｃｅ
ｓｅａｒｃｈ［Ｊ］．Ｃｏｍｐｕｔａｔｉｏｎａｌ
ＩｎｔｅｌｌｉｇｅｎｃｅＭａｇａｚｉｎｅ，
ＩＥＥＥ，２０１０，５（４）：１３―１８．
［３］ＤｅｎｇＬ．Ａｎｏｖｅｒｖｉｅｗｏｆｄｅｅｐ―ｓｔｒｕｃｔｕｒｅｄｌｅａｒｎｉｎｇｆｏｒ
ｉｎｆｏｒｍａｔｉｏｎｐｒｏｃｅｓｓｉｎｇ［ｃ］／／ＰｒｏｃＡｓｉａｎ－ＰａｃｉｆｉｃＳｉｇ―
ａｎｄＩｎｆｏｒｍａｔｉｏｎＰｒｏｃｅｓｓｉｎｇ―ＡｎｎｕａｌＳｕｍｍｉｔａｎｄ
Ｃｏｎｆｅｒｅｎｃｅ（ＡＰＳＩＰＡ―ＡＳＣ）．Ｘｉ’ａｎ，Ｃｈｉｎａ：Ｉｓ．ｎ．］，
２０１１．
［４］Ｂｅｎｇｉｏ
Ｙ．Ｌｅａｒｎｉｎｇｄｅｅｐ
ａｒｃｈｉｔｅｃｔｕｒｅｓｆｏｒ
ＡＩ［Ｊ］．
ＦｏｕｎｄａｔｉｏｎｓａｎｄＴｒｅｎｄｓｉｎＭａｃｈｉｎｅＬｅａｒｎｉｎｇ，２００９，２（１）：１－１２７．
［５］ＨｉｎｔｏｎＧＥ．Ｔｒａｉｎｉｎｇｐｒｏｄｕｃｔｓｏｆｅｘｐｅｒｔｓｂｙｍｉｎｉｍｉ―
ｚｉｎｇｃｏｎｔｒａｓｔｉｖｅ
ｄｉｖｅｒｇｅｎｃｅ［Ｊ］．Ｎｅｕｒａｌ
Ｃｏｍｐｕｔａｔｉｏｎ，
２００２，１４（８）：１７７１－１８００．
［６］ＢａｋｅｒＪ，Ｄｅｎｇ
Ｌ，ＧｌａｓｓＪ，ｅｔａ１．Ｄｅｖｅｌｏｐｍｅｎｔｓａｎｄ
ｄｉｒｅｃｔｉｏｎｓｉｎ
ｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎａｎｄ
ｕｎｄｅｒｓｔａｎｄｉｎｇ，
ｌ［Ｊ］．ＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇＭａｇａｚｉｎｅ，ＩＥＥＥ，２００９，
２６（３）：７５－８０．
［７］ＹｕＤ，ＤｅｎｇＬ．Ｄｅｅｐｌｅａｒｎｉｎｇａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｓ
ｓｉｇｎａｌａｎｄｉｎｆｏｒｍａｔｉｏｎ
ｐｒｏｃｅｓｓｉｎｇ［Ｊ］．Ｓｉｇｎａｌ
Ｐｒｏｃｅｓｓ―
Ｍａｇａｚｉｎｅ，ＩＥＥＥ，２０１１，２８（１）：１４５―１５４．
［８］ＨｏｐｆｉｅｌｄＪＪ．Ｎｅｕｒａｌ
ｎｅｔｗｏｒｋｓａｎｄｐｈｙｓｉｃａｌｓｙｓｔｅｍｓ
ｗｉｔｈｅｍｅｒｇｅｎｔ
ｃｏｌｌｅｃｔｉｖｅｃｏｍｐｕｔａｔｉｏｎａｌ
ａｂｉｌｉｔｉｅｓ［Ｊ］．
Ｐｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅ
Ｎａｔｉｏｎａｌ
Ａｃａｄｅｍｙｏｆ
Ｓｃｉｅｎｃｅｓ，
１９８２，７９（８）：２５５４―２５５８．［９－１
ＯｒｂａｃｈＪ．Ｐｒｉｎｃｉｐｌｅｓ
ｎｅｕｒｏｄｙｎａｍｉｃｓ
ｐｅｒｃｅｐｔｒｏｎｓ
ａｎｄｔｈｅｔｈｅｏｒｙｏｆｂｒａｉｎｍｅｃｈａｎｉｓｍｓ［Ｊ］．Ａｒｃｈｉｖｅｓ
ＧｅｎｅｒａｌＰｓｙｃｈｉａｔｒｙ，１９６２，７（３）：２１８．
ｒｌｏ］ＲｕｍｅｌｈａｒｔＤＥ，ＨｉｎｔｏｎＧＥ，ＷｉｌｌｉａｍｓＲＪ．Ｌｅａｒｎ―
ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓｂｙｂａｃｋ－ｐｒｏｐａｇａｔｉｎｇ
ｅｒｒｏｒｓ［Ｊ］．
Ｃｏｇｎｉｔｉｖｅ
Ｍｏｄｅｌｉｎｇ，２００２，１：２１３．
［－１１］ＩＣＡＳＳＰ．Ｎｅｗｔｙｐｅｓ
ｏｆｄｅｅｐｎｅｕｒａｌｎｅｔｗｏｒｋｌｅａｒｎｉｎｇ
ｆｏｒｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｓ［ＥＢ／ＯＬ］．
ｈｔｔｐ：／／ｗｗｗ。ｉｃａｓｓｐ２０１３。ｃｏｍ／ＳｐｅｃｉａｌＳｅｓｓｉｏｎｓ．ａｓｐ，
２０１３．
Ｄｚ］ＮＩＰＳ．Ｄｅｅｐｌｅａｒｎｉｎｇ
ａｎｄｕｎｓｕｐｅｒｖｉｓｅｄｆｅａｔｕｒｅｌｅａｒｎ―
ｉｎｇ［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｎｉｐｓ．ｃｃ／，２０１０―１０―１２．［１３］ＩＣＭＬ．Ｌｅａｒｎｉｎｇ
ａｒｃｈｉｔｅｃｔｕｒｅｓ，ｒｅｐｒｅｓｅｎｔａｔｉｏｎｓ，ａｎｄ
ｏｐｔｉｍｉｚａｔｉｏｎｆｏｒｓｐｅｅｃｈａｎｄｖｉｓｕａｌ
ｉｎｆｏｒｍａｔｉｏｎｐｒｏ―
ｃｅｓｓｉｎｇ［ＥＢ／ＯＬ］．ｈｔｔｐ：／ｗｗｗ．ｉｃｍｌ一２０１１．ｏｒｇ／ｗｏｒｋ―
ｓｈｏｐｓ．ｐｈｐ，２０１１．
［１４］ＩＣＭＬ．Ｒｅｐｒｅｓｅｎｔａｔｉｏｎｌｅａｒｎｉｎｇ［ＥＢ／０Ｌ］．ｈｔｔｐ：／／ｉｃ―
ｍ１．ｃｃ／２０１２／ｗｏｒｋｓｈｏｐｓ／，２０１２．
［１５］ＩＣＭＬ．Ｄｅｅｐｌｅａｒｎｉｎｇｆｏｒａｕｄｉｏ，ｓｐｅｅｃｈ，ａｎｄｌａｎ―
数据采集与处
理第２９卷
ｇｕａｇｅ
ｐｒｏｃｅｓｓｉｎｇ［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｉｃｍｌ．ｃｃ／２０１３／？
ｐａｇｅ―ｉｄ＝４１，２０１３．
［１６］Ｍｏｈａｍｅｄ
Ａ。ＤａｈｌＧＥ，ＨｉｎｔｏｎＧ．Ａｃｏｕｓｔｉｃｍｏｄｅｌ―ｉｎｇｕｓｉｎｇｄｅｅｐｂｅｌｉｅｆｎｅｔｗｏｒｋｓ［Ｊ］．Ａｕｄｉｏ，Ｓｐｅｅｃｈ，
Ｌａｎｇｕａｇｅ
Ｐｒｏｃｅｓｓｉｎｇ，ＩＥＥＥ
Ｔｒａｎｓａｃｔｉｏｎｓ
２０１２，２０（１）１１４―２２．
［１７］Ｈｉｎｔｏｎ
Ｇ．Ａｐｒａｃｔｉｃａｌｇｕｉｄｅ
ｔｒａｉｎｉｎｇ
ｒｅｓｔｒｉｃｔｅｄＢｏ―
ｌｔｚｍａｎｎ
ｍａｃｈｉｎｅｓ［Ｊ１．Ｍｏｍｅｎｔｕｍ，２０１０，９（１）：９２６．
［１８］ＭｏｈａｍｅｄＡ，Ｄａｈｌ
ＧＥ，ＨｉｎｔｏｎＧＥ．Ｄｅｅｐ
ｂｅｌｉｅｆ
ｎｅｔｗｏｒｋｓｆｏｒｐｈｏｎｅ
ｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］／／ＮＩＰＳＷｏｒｋｓｈｏｐ
ＤｅｅｐＬｅａｒｎｉｎｇｆｏｒＳｐｅｅｃｈＲｅｃｏｇｎｉｔｉｏｎａｎｄＲｅｌａｔｅｄ
Ａｐｐｌｉｃａｔｉｏｎｓ．Ｈｙａｔｔ
Ｒｅｇｅｎｃｙ
Ｖａｎｃｏｕｖｅｒ，Ｃａｎａｄａ：
Ｉｓ．ｎ．］，２００９：ｉ－９．［１９］Ｓａｉｎａｔｈ
ＴＮ，ＫｉｎｇｓｂｕｒｙＢ，ＲａｍａｂｈａｄｒａｎＢ，ｅｔａ１．
Ｍａｋｉｎｇｄｅｅｐｂｅｌｉｅｆｎｅｔｗｏｒｋｓｅｆｆｅｃｔｉｖｅｆｏｒ
ｌａｒｇｅ
ｃａｂｕｌａｒｙ
ｃｏｎｔｉｎｕｏｕｓ
ｓｐｅｅｃｈ
ｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］／／Ａｕｔｏ―ｍａｔｉｃＳｐｅｅｃｈＲｅｃｏｇｎｉｔｉｏｎａｎｄＵｎｄｅｒｓｔａｎｄｉｎｇ（ＡＳ―ＲＵ），２０１１ＩＥＥＥＷｏｒｋｓｈｏｐｏｎ．ＵＳＡ：ＩＥＥＥ，２０１１：
３０－３５．
［２０］ＤａｈｌＧＥ，ＹｕＤ，ＤｅｎｇＬ，ｅｔａ１．Ｃｏｎｔｅｘｔ―ｄｅｐｅｎｄｅｎｔ
ｐｒｅ－ｔｒａｉｎｅｄｄｅｅｐｎｅｕｒａｌｎｅｔｗｏｒｋｓｆｏｒｌａｒｇｅｖｏｃａｂｕｌａｒｙｓｐｅｅｃｈ
ｒｅｃｏｇｎｉｔｉｏｎ［Ｊ］．Ａｕｄｉｏ，Ｓｐｅｅｃｈ，ａｎｄ
Ｌａｎｇｕａｇｅ
Ｐｒｏｃｅｓｓｉｎｇ，ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎ，２０１２，２０（１）：３０―
［２１］Ｈｉｎｔｏｎ
Ｇ，ＤｅｎｇＬ，ＹｕＤ，ｅｔａ１．Ｄｅｅｐ
ｎｅｕｒａｌ
ｗｏｒｋｓｆｏｒａｃｏｕｓｔｉｃ
ｍｏｄｅｌｉｎｇ
ｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎ：
Ｔｈｅｓｈａｒｅｄｖｉｅｗｓｏｆｆｏｕｒｒｅｓｅａｒｃｈ
ｇｒｏｕｐｓ［Ｊ］．Ｓｉｇｎａｌ
ＰｒｏｃｅｓｓｉｎｇＭａｇａｚｉｎｅ，ＩＥＥＥ，２０１２，２９（６）：８２―９７．
［２２］ＰａｎＪ，ＬｉｕＣ，ＷａｎｇＺ，ｅｔａ１．Ｉｎｖｅｓｔｉｇａｔｉｏｎｏｆｄｅｅｐ
ｎｅｕｒａｌｎｅｔｗｏｒｋｓ（ＤＮＮ）ｆｏｒｌａｒｇｅｖｏｃａｂｕｌａｒｙｃｏｎｔｉｎｕ―
ｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎ：ＷｈｙＤＮＮｓｕｒｐａｓｓｅｓＧＭＭＳ
ｉｎａｃｏｕｓｔｉｃ
ｍｏｄｅｌｉｎｇ［ｃ］／／ｃｈｉｎｅｓｅ
ＳｐｏｋｅｎＬａｎｇｕａｇｅ
Ｐｒｏｃｅｓｓｉｎｇ（ＩＳＣＳＬＰ），２０１２
８ｔｈＩｎｔｅｒｎａｔｉｏｎａｌ
ｐｏｓｉｕｍｏｎ．ＨｏｎｇＫｏｎｇ，Ｃｈｉｎａ：ＩＥＥＥ，２０１２：３０１―
［２３］ＹｕＤ，ＳｅｌｔｚｅｒＭＬ．Ｉｍｐｒｏｖｅｄｂｏｔｔｌｅｎｅｃｋｆｅａｔｕｒｅｓ
ｐｒｅｔｒａｉｎｅｄ
ｄｅｅｐｎｅｕｒａｌｎｅｔｗｏｒｋｓ［Ｃ］／／Ｉｎｔｅｒ―
ｓｐｅｅｃｈ．Ｆｌｏｒｅｎｃｅ，Ｉｔａｌｙ：ＩＥＥＥ，２０１１：２３７―２４０．
［２４１ＢａｏＹ，ＪｉａｎｇＨ，ＤａｉＬ，ｅｔａｌ，Ｉｎｃｏｈｅｒｅｎｔｔｒａｉｎｉｎｇｏｆｄｅｅｐｎｅｕｒａｌｎｅｔｗｏｒｋｓ
ｄｅ－ｃｏｒｒｅｌａｔｅｂｏｔｔｌｅｎｅｃｋｌｅａ―
ｔｕｒｅｓ
ｆｏｒｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎ［ＣＪ／／ＩＣＡＳＳＰ．Ｂｒｉｔｉｓｈ
Ｃｏｌｕｍｂｉａ：ＩＥＥＥ，２０１３：６９８０―６９８４．
［２５］Ｓａｉｎａｔｈ
ＴＮ，ＫｉｎｇｓｈｕｒｙＢ，ＲａｍａｂｈａｄｒａｎＢ．Ａｕｔｏ－ｅｎｃｏｄｅｒ
ｂｏｔｔｌｅｎｅｃｋ
ｆｅａｔｕｒｅｓ
ｕｓｉｎｇ
ｂｅｌｉｅｆ
ｗｏｒｋｓ［Ｃ］／／ＩＣＡＳＳＰ．Ｋｙｏｔｏ：ＩＥＥＥ，２０１２：４１５３―
４１５６．
［２６］Ｄａｈｌ
ＧＥ，ＳａｉｎａｔｈＴＮ，ＨｉｎｔｏｎＧＥ．Ｉｍｐｒｏｖｉｎｇｄｅｅｐｎｅｕｒａｌｎｅｔｗｏｒｋｓｆｏｒｌｖｃｓｒｕｓｉｎｇｒｅｃｔｉｆｉｅｄｌｉｎｅａｒ
ｕｎｉｔｓ
ｄｒｏｐｏｕｔ［Ｃ］／／ＩＣＡＳＳＰ．Ｂｒｉｔｉｓｈ
Ｃｏｌｕｍｂｉａ：
ＩＥＥＥ，２０１３：８６０９－８６１３．
ＺｅｉｌｅｒＭＤ，ＲａｎｚａｔｏＭ，ＭｏｎｇａＲ，ｅｔａ１．Ｏｎｒｅｃｔｉ―ｆｌｅｄｌｉｎｅａｒｕｎｉｔｓｆｏｒｓｐｅｅｃｈ
ｐｒｏｃｅｓｓｉｎｇ［ｃ］／／ＩＣＡＳｓＰ．
ＢｒｉｔｉｓｈＣｏｌｕｍｂｉａ：ＩＥＥＥ，２０１３：３５１７－３５２１．
［２８］Ａｂｄｅｌ―ＨａｒｏｌｄＯ，ＭｏｈａｍｅｄＡ，Ｊｉａｎｇ
Ｈ，ｅｔａ１．Ａｐ―
ｐｌｙｉｎｇｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓｃｏｎｃｅｐｔｓ
ｂｒｉｄＮＮ―ＨＭＭｍｏｄｅｌｆｏｒｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎ［ｃ］／／
ＩＣＡＳＳＰ．Ｋｙｏｔｏ：ＩＥＥＥ，２０１２：４２７７―４２８０．
［２９］Ａｂｄｅｌ―Ｈａｒｏｌｄ
０，ＤｅｎｇＬ，ＹｕＤ．Ｅｘｐｌｏｒｉｎｇｃｏｎｖｏｌｕ―ｔｉｏｎａｌ
ｎｅｕｒａｌ
ｎｅｔｗｏｒｋ
ｓｔｒｕｃｔｕｒｅｓ
ｏｐｔｉｍｉｚａｔｉｏｎ
ｔｅｃｈｎｉｑｕｅｓｆｏｒｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎ［ｃ］／／Ｉｎｔｅｒｓｐｅｅｃｈ．
Ｌｙｏｎ：ＩＥＥＥ，２０１３．
［３０］ＳａｉｎａｔｈＴＮ，ＭｏｈａｍｅｄＡ，ＫｉｎｇｓｂｕｒｙＢ，ｅｔａ１．Ｄｅｅｐ
ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓｆｏｒ
ＬＶＣＳＲ［ｃ］／／ｉｃ―
ＡＳＳＰ．ＢｒｉｔｉｓｈＣｏｌｕｍｂｉａ：ＩＥＥＥ，２０１３：８６１４―８６１８．
［３１］Ｔ６ｔｈ
Ｌ．Ｃｏｎｖｏｌｕｔｉｏｎａｌｄｅｅｐｒｅｃｔｉｆｉｅｒｎｅｕｒａｌ
ｐｈｏｎｅ
ｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］／／Ｉｎｔｅｒｓｐｅｅｃｈ．Ｌｙｏｎ：ＩＥＥＥ，
２０１３：１７２２―１７２６．
Ｖ３２］ＧｒａｖｅｓＡ，Ｍｏｈａｍｅｄ
Ａ，ＨｉｎｔｏｎＧ．Ｓｐｅｅｃｈｒｅｃｏｇｎｉ―
ｄｅｅｐｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋｓ［Ｃ］／／ＩＣ―
ＡＳＳＰ．ＢｒｉｔｉｓｈＣｏｌｕｍｂｉａ：ＩＥＥＥ，２０１３：６６４５―６６４９．
［３３］Ｓｅｉｄｅ
Ｆ，ＬｉＧ，ＹｕＤ．Ｃｏｎｖｅｒｓａｔｉｏｎａｌｓｐｅｅｃｈ
ｔｒａｎ―
ｓｃｒｉｐｔｉｏｎ
ｕｓｉｎｇ
ｃｏｎｔｅｘｔ―．ｄｅｐｅｎｄｅｎｔｄｅｅｐ
ｎｅｕｒａｌ
ｎｅｔ―．
ｗｏｒｋｓ［Ｃｌ／／Ｉｎｔｅｒｓｐｅｅｃｈ．Ｆｌｏｒｅｎｃｅ，Ｉｔａｌｙ：ＩＥＥＥ，
２０１１：４３７－４４０．
［３４１ＤａｈｌＧＥ，ＹｕＤ，ＤｅｎｇＬ，ｅｔａ１．Ｌａｒｇｅｖｏｃａｂｕｌａｒｙｃｏｎｔｉｎｕｏｕｓｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎｗｉｔｈｃｏｎｔｅｘｔ－ｄｅｐｅｎｄｅｎｔ
ＤＢＮ―ＨＭＭｓ［Ｃ］／／ＩＣＡＳＳＰ．Ｃｚｅｃｈ：ＩＥＥＥ，２０１１：
４６８８―４６９１．
［３５］ＹｕＤ，ＳｅｉｄｅＦ，ＬｉＧ，ｅｔａ１．Ｅｘｐｌｏｉｔｉｎｇｓｐａｒｓｅｎｅｓｓｉｎｄｅｅｐ
ｎｅｕｒａｌｎｅｔｗｏｒｋｓｆｏｒｌａｒｇｅｖｏｃａｂｕｌａｒｙｓｐｅｅｃｈ
ｏｇｎｉｔｉｏｎ［Ｃ１／／ＩＣＡＳＳＰ．Ｋｙｏｔｏ：ＩＥＥＥ，２０１２：４４０９―
４４１２．
［３６］Ｓａｉｎａｔｈ
Ｎ，Ｋｉｎｇｓｂｕｒｙ
Ｂ，Ｓｉｎｄｈｗａｎｉ
Ｖ，ｅｔａ１．Ｌｏｗ－ｒａｎｋｍａｔｒｉｘ
ｆａｃｔｏｒｉｚａｔｉｏｎ
ｆｏｒｄｅｅｐ
ｎｅｕｒａｌ
ｗｏｒｋｔｒａｉｎｉｎｇｗｉｔｈｈｉｇｈ―ｄｉｍｅｎｓｉｏｎａｌ
ｏｕｔｐｕｔ
ｔａｒｇｅｔｓ
［Ｃ］／／ＩＣＡＳＳＰ．Ｂｒｉｔｉｓｈ
Ｃｏｌｕｍｂｉａ：ＩＥＥＥ，２０１３：６６５５―
６６５９．
Ｋｏｎｔｄｒ
Ｓ．Ｐａｒａｌｌｅｌｔｒａｉｎｉｎｇｏｆ
ｎｅｕｒａｌ
ｎｅｔｗｏｒｋｓｆｏｒ
ｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］／／Ｐｒｏｃ
１２ｔｈＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎ―
ｆｅｒｅｎｃｅ
ＳｏｆｔＣｏｍｐｕｔｉｎｇ．Ｚａｋｏｐａｎｅ：ＢｒｎｏＵｎｉｖｅｒ―
ｏｆＴｅｃｈｎｏｌｏｇｙ，２００６：６－１０．
ＶｅｓｅｌｙＫ，ＢｕｒｇｅｒＬ，Ｇｒ６ｚｌ
Ｆ．Ｐａｒａｌｌｅｌｔｒａｉｎｉｎｇｏｆ
ｎｅｕｒａｌｎｅｔｗｏｒｋｓ
ｆｏｒｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］／／Ｔｅｘｔ，
ＳｐｅｅｃｈａｎｄＤｉａｌｏｇｕｅ．Ｂｅｒｌｉｎ：ＳｐｒｉｎｇｅｒＢｅｒｌｉｎＨｅｉｄｅｌ―ｂｅｒｇ，２０１０：４３９―４４６．
［３９］ＰａｒｋＪ，ＤｉｅｈｌＦ，ＧａｌｅｓＭＪＦ，ｅｔａ１．Ｅｆｆｉｃｉｅｎｔｇｅｎｅｒ―
ａｔｉｏｎ
ｏｆＭＬＰｆｅａｔｕｒｅｓｆｏｒＡｒａｂｉｃｓｐｅｅｃｈ
ｏｇｎｉｔｉｏｎ［ｃ］／／Ｉｎｔｅｒｓｐｅｅｃｈ．Ｂｒｉｇｈｔｏｎ：ＩＥＥＥ，２００９：
戴礼荣，等：深度语音信号与信息处理：研究进展与展望
２３６一Ｚ３９．
［４０］ＬｅＱＶ，ＲａｎｚａｔｏＭＡ，Ｍｏｎｇａ
Ｒ，ａｔａ１．Ｂｕｉｌｄｉｎｇｈｉｇｈ－ｌｅｖｅｌ
ｆｅａｔｕｒｅｓ
ｕｓｉｎｇ
ｌａｒｇｅ
ｓｃａｌｅ
ｕｎｓｕｐｅｒｖｉｓｅｄ
ｌｅａｒｎｉｎｇ［Ｃ］／／ＩＣＡＳＳＰ．Ｂｒｉｔｉｓｈ
Ｃｏｌｕｍｂｉａ：ＩＥＥＥ，
２０１３：８５９５－８５９８．
［４１］ＺｈａｎｇＳ，ＺｈａｎｇＣ，Ｙｏｕｚ，ｅｔａ１．Ａｓｙｎｃｈｒｏｎｏｕｓ
ｃｈａｓｔｉｃｇｒａｄｉｅｎｔｄｅｓｃｅｎｔｆｏｒＤＮＮ
ｔｒａｉｎｉｎｇ［Ｃ］／／ＩＣ―
ＡＳＳＰ．ＢｒｉｔｉｓｈＣｏｌｕｍｂｉａ：ＩＥＥＥ，２０１３：６６６０―６６６３．
［４２］Ｃｈｅｎ
Ｘ，ＥｖｅｒｓｏｌｅＡ，ＬｉＧ，ｅｔ
ａ１．Ｐｉｐｅｌｉｎｅｄｂａｃｋ―
ｐｒｏｐａｇａｔｉｏｎ
ｆｏｒｃｏｎｔｅｘｔ―－ｄｅｐｅｎｄｅｎｔｄｅｅｐｎｅｕｒａｌｎｅｔ―．
ｗｏｒｋｓ［Ｃ］／／Ｉｎｔｅｒｓｐｅｅｅｈ．Ｐｒｏｔｌａｎｄ：ＩＥＥＥ，２０１２：４２９―
［４３］Ｚｈｏｕ
Ｐ，ＬｉｕＣ，ＬｉｕＱ，ｅｔａ１．Ａｃｌｕｓｔｅｒ―ｂａｓｅｄｍｕｌｔｉ―
ｐｉｅｄｅｅｐｎｅｕｒａｌｎｅｔｗｏｒｋｓｍｅｔｈｏｄｆｏｒｌａｒｇｅｖｏｃａｂｕｌａｒｙｃｏｎｔｉｎｕｏｕｓｓｐｅｅｃｈ
ｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］／／ＩＣＡｓＳＰ．
Ｂｒｉｔｉｓｈ
Ｃｏｌｕｍｂｉａ：ＩＥＥＥ，２０１３：６６５０―６６５４．
［４４］ＮｅｔｏＪ，Ａｌｍｅｉｄａ
Ｌ，ＨｏｃｈｂｅｒｇＭ，ｅｔａ１．Ｓｐｅａｋｅｒ―ａｄ―
ａｐｔａｔｉｏｎ
ｈｙｂｒｉｄ
ＨＭＭ―ＡＮＮｃｏｎｔｉｎｕｏｕｓｓｐｅｅｃｈ
ｒｅｃｏｇｎｉｔｉｏｎ
ｓｙｓｔｅｍ［Ｊ］．ＩＥＥＥＴｒａｎｓ
ＳｐｅｅｃｈａｎｄＡｕｄｉｏＰｒｏｃｅｓｓｉｎｇ，１９９５，９（２）：１７１―１８５．［４５］ＴｆｉｓｋｅａＺ，ＳｃｈｌｔｉｔｅｒａＲ，ＮｅｙａＨ．ｄｅｅｐｈｉｅｒａｒｃｈｉｃａｌ
ｂｏｔｔｌｅｎｅｃｋｍｒａｓｔａｆｅａｔｕｒｅｆｏｒ
ＬＶＣＳＲ［Ｃ］／／ＩＣＡＳＳＰ．ＢｒｉｔｉｓｈＣｏｌｕｍｂｉａ：ＩＥＥＥ，２０１３：６９７０―６９７４．
［４６］ＦｒｅｎｃｈＲＭ．Ｃａｔａｓｔｒｏｐｈｉｃｆｏｒｇｅｔｔｉｎｇｉｎｃｏｎｎｅｃｔｉｏｎｉｓｔ
ｎｅｔｗｏｒｋｓ［－Ｊ］．Ｔｒｅｎｄｓ
ｃｏｇｎｉｔｉｖｅｓｃｉｅｎｃｅｓ，１９９９，３
（４）：１２８―１３５．
Ｅ４７］ＮｅｔｏＪ，ＡｌｍｅｉｄａＬ，ＨｏｃｈｂｅｒｇＭ，ｅｔａ１．Ｓｐｅａｋｅｒ―ａｄ―
ａｐｔａｔｉｏｎ
ｈｙｂｒｉｄ
ＨＭＭ―ＡＮＮｃｏｎｔｉｎｕｏｕｓｓｐｅｅｃｈｒｅｃｏｇｎｉｔｉｏｎ
ｓｙｓｔｅｍ［ｃ］／／Ｅｕｒｏｓｐｅｅｃｈ．［ｓ．１．］：ＩＥＥＥ，
１９９５：２１７１－２１７４．
ｒ４８］ＧｅｍｅｌｌｏＲ，ＭａｎａＦ，ＳｃａｎｚｉｏＳ，ｅｔａ１．Ｌｉｎｅａｒｈｉｄｄｅｎ
ｔｒａｎｓｆｏｒｍａｔｉｏｎｓｆｏｒａｄａｐｔａｔｉｏｎｏｆｈｙｂｒｉｄＡＮＮ／ＨＭＭ
ｍｏｄｅｌｓ［Ｊ］．Ｓｐｅｅｃｈ
Ｃｏｍｍｕｎｉｃａｔｉｏｎ，２００７，４９（１０）：
８２７―８３５．
［４９］ＳｔａｄｅｒｍａｎｎＪ，Ｒｉｇｏｌｌ
Ｇ．Ｔｗｏ－ｓｔａｇｅｓｐｅａｋｅｒａｄａｐｔａ―
ｔｉｏｎｏｆｈｙｂｒｉｄｔｉｅｄ．．ｐｏｓｔｅｒｉｏｒａｃｏｕｓｔｉｃｍｏｄｅｌｓ［－Ｃ］／／ＩＣ―．
ＡＳＳＰ．Ｐｈｉｌａｄｅｌｐｈｉａ：ＩＥＥＥ，２００５：９７７―９８０．
［５０］Ｓｉｎｉｓｃａｌｃｈｉ
ＳＭ，ＬｉＪ，ＬｅｅＣＨ．Ｈｅｒｍｉｔｉａｎ
ｂａｓｅｄ
ｈｉｄｄｅｎａｃｔｉｖａｔｉｏｎｆｕｎｃｔｉｏｎｓ
ｆｏｒａｄａｐｔａｔｉｏｎｏｆｈｙｂｒｉｄ
ｈｍｍ／ａｎｎｍｏｄｅｌｓ［Ｃ］／／Ｉｎｔｅｒｓｐｅｅｃｈ．Ｐｒｏｔｌａｎｄ：
ＩＥＥＥ，２０１２：３６６―３６９．
［５１］ＳｉｎｉｓｃａｌｃｈｉＳＭ，ＬｉＪ，ＬｅｅＣＨ．Ｈｅｒｍｉｔｉａｎｐｏｌｙｎｏ―
ｍｉａｌｆｏｒｓｐｅａｋｅｒａｄａｐｔａｔｉｏｎｏｆｃｏｎｎｅｃｔｉｏｎｉｓｔｓｐｅｅｃｈ
ｒｅｃｏｇｎｉｔｉｏｎ
ｓｙｓｔｅｍｓ［Ｊ］．Ａｕｄｉｏ，Ｓｐｅｅｃｈ，ａｎｄ
ｇｕａｇｅ
Ｐｒｏｃｅｓｓｉｎｇ，ＩＥＥＥ
Ｔｒａｎｓａｃｔｉｏｎｓ
ｏｎ，２０１３，２１
（１０）：２１５２―２１６１．
ＹｕＤ，ＹａｏＫ，ＳｕＨ，ｅｔａ１．ＫＬ―ｄｉｖｅｒｇｅｎｃｅｒｅｇｕｌａｒ―ｉｚｅｄｄｅｅｐ
ｎｅｕｒａｌ
ｎｅｔｗｏｒｋａｄａｐｔａｔｉｏｎ
ｉｍｐｒｏｖｅｄ
ｌａｒｇｅ
ｖｏｃａｂｕｌａｒｙ
ｓｐｅｅｃｈ
ｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］／／ＩＣＡＳＳＰ．
ＢｒｉｔｉｓｈＣｏｌｕｍｂｉａ：ＩＥＥＥ，２０１３：７８９３―７８９７．
［５３］ＯｓｓａｍａＡｂｄｅｌ－Ｈａｍｉｄ，ＪｉａｎｇＨ．Ｆａｓｔｓｐｅａｋｅｒａｄａｐｔａ―
ｔｉｏｎｏｆｈｙｂｒｉｄＮＮ／ＨＭＭｍｏｄｅｌｆｏｒｓｐｅｅｃｈｒｅｃｏｇｎｉ―
ｂａｓｅｄ
ｄｉｓｃｒｉｍｉｎａｔｉｖｅｌｅａｒｎｉｎｇｏｆｓｐｅａｋｅｒｃｏｄｅ
［Ｃ］／／ＩＣＡＳＳＰ．Ｂｒｉｔｉｓｈ
Ｃｏｌｕｍｂｉａ：ＩＥＥＥ，２０１３：１９４２―
１９４６．
［５４］ＯｓｓａｍａＡｂｄｅｌ―Ｈａｍｉｄ，Ｊｉａｎｇ
Ｈ．Ｒａｐｉｄａｎｄｅｆｆｅｃｔｉｖｅ
ｓｐｅａｋｅｒａｄａｐｔａｔｉｏｎｏｆｃｏｎｖｏｌｕｔｉｏｎａｌ
ｎｅｕｒａｌ
ｎｅｔｗｏｒｋ
ｂａｓｅｄ
ｍｏｄｅｌｓ
ｓｐｅｅｃｈ
ｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］／／Ｉｎｔｅｒ―
ｓｐｅｅｃｈ．Ｌｙｏｎ：ＩＥＥＥ，２０１３．
［５５］ＺｅｎＨ，ＴｏｋｕｄａＫ，ＢｌａｃｋＡＷ．Ｓｔａｔｉｓｔｉｃａｌｐａｒａｍｅｔｒｉｃ
ｓｐｅｅｃｈ
ｓｙｎｔｈｅｓｉｓ［Ｊ］．Ｓｐｅｅｃｈ
Ｃｏｍｍｕｎｉｃａｔｉｏｎ，２００９，
５１（１１）：１０３９－１０６４．
［５６］ＫａｎｇＳ，ＱｉａｎＸ，ＭｅｎｇＨ．Ｍｕｌｔｉ―ｄｉｓｔｒｉｂｕｔｉｏｎ
ｂｅｌｉｅｆｎｅｔｗｏｒｋ
ｓｐｅｅｃｈ
ｓｙｎｔｈｅｓｉｓ［Ｃ］／／ＩＣＡＳＳＰ．
Ｃｏｌｕｍｂｉａ，ＵＳＡ：ＩＥＥＥ，２０１３：８０１２―８０１６．
［５７］ＬｉｎｇＺ，ＤｅｎｇＬ，ＹｕＤ．Ｍｏｄｅｌｉｎｇｓｐｅｃｔｒａｌｅｎｖｅｌｏｐｅｓ
ｕｓｉｎｇｒｅｓｔｒｉｃｔｅｄＢｏｈｚｍａｎｎｍａｃｈｉｎｅｓａｎｄｄｅｅｐｂｅｌｉｅｆｎｅｔｗｏｒｋｓｆｏｒ
ｓｔａｔｉｓｔｉｃａｌ
ｐａｒａｍｅｔｒｉｃ
ｓｐｅｅｃｈ
ｓｙｎｔｈｅｓｉｓ
［Ｊ］．Ａｕｄｉｏ，Ｓｐｅｅｃｈ，ａｎｄ
ＬａｎｇｕａｇｅＰｒｏｃｅｓｓｉｎｇ，
ＩＥＥＥＴｒａｎｓａｃｔｉｏｎｓｏｎ．２０１３，２１（１０）：２１２９―２１３９．
［５８］ＺｅｎＨ，ＳｅｎｉｏｒＡ，ＳｃｈｕｓｔｅｒＭ．Ｓｔａｔｉｓｔｉｃａｌｐａｒａｍｅｔｒｉｃ
ｓｐｅｅｃｈｓｙｎｔｈｅｓｉｓｕｓｉｎｇｄｅｅｐｎｅｕｒａｌｎｅｔｗｏｒｋｓ［Ｃ］／／ＩＣ―
ＡＳＳＰ．ＢｒｉｔｉｓｈＣｏｌｕｍｂｉａ：ＩＥＥＥ，２０１３：７９６２―７９６６．
［５９３ＷａｎｇＹ，Ｗａｎｇ
Ｄ．Ｔｏｗａｒｄｓｓｃａｌｉｎｇｕｐｃｌａｓｓｉｆｉｃａｔｉｏｎ－
ｂａｓｅｄｓｐｅｅｃｈ
ｓｅｐａｒａｔｉｏｎ［Ｊ］．ＩＥＥＥ
Ｔｒａｎｓ
Ａｕｄｉｏ，
Ｓｐｅｅｃｈ，Ｌａｎｇ．Ｐｒｏｃｅｓｓ，２０１３，（９９）：１－２３．
［６０３ＸｕＹ，ＤｕＪ，ＤａｉＬ，ｅｔａ１．Ａｎｅｘｐｅｒｉｍｅｎｔａｌｓｔｕｄｙｏｎ
ｓｐｅｅｃｈｅｎｈａｎｃｅｍｅｎｔｂａｓｅｄ
ｎｅｕｒａｌｎｅｔｗｏｒｋｓ
［Ｊ］．ＩＥＥＥ
ＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇＬｅｔｔｅｒｓ，２０１４，２１（１）：
６５―６８．
［６１］Ｌｕ
ＸＧ，ＴｓａｏＹ，ＭａｔｓｕｄａＳ，ａｔｅ１．Ｓｐｅｅｃｈｅｎｈａｎｃｅ―
ｍｅｎｔｂａｓｅｄ
ｄｅｅｐｄｅｎｏｉｓｉｎｇ
ａｕｔｏ―ｅｎｃｏｄｅｒ［Ｃ］／／Ｐｒｏｃ
Ｉｎｔｅｒｓｐｅｅｃｈ．Ｌｙｏｎ：ＩＥＥＥ，２０１３：４３６―４４０．
作者简介：戴礼荣（１９６２一），男，教授，博士生导师，研究方
向：语音识别、语音合成、说话人识别等，Ｅ－ｍａｉｌ：ｌｒｄａｉ＠ｕｓｔｃ．ｅｄｕ．ｃｎｌ；张仕良（１９９０一），男，硕士研究生，研究方向：语音识别。
深度语音信号与信息处理:研究进展与展望
作者单位：刊名：英文刊名：年，卷(期)：
戴礼荣， 张仕良， Dai Lirong， Zhang Shiliang
中国科学技术大学语音与语言信息处理国家工程实验室,合肥,230027数据采集与处理
Journal of Data Acquisition & Processing)
参考文献(61条)
1.Hinton G E;Osindero S;Teh Y W A fast learning algorithm for deep belief nets 2006(07)
2.Arel I;Rose D C;Karnowski T P Deep machine learning-A new frontier in artificial intelligence research .Deng L An overview of deep-structured learning for information processing 20114.Bengio Y Learning deep architectures for AI 2009(01)
5.Hinton G E Training products of experts by minimizing contrastive divergence 2002(08)
6.Baker J;Deng L;Glass J Developments and directions in speech recognition and understanding,Part 1 .Yu D;Deng L Deep learning and its applications to signal and information processing 2011(01)
8.Hopfield J J Neural networks and physical systems with emergent collective computational abilities .Orbach J Principles of neurodynamics perceptrons and the theory of brain mechanisms .Rumelhart D E;Hinton G E;Williams R J Learning representations by back-propagating errors 200211.ICASSP New types of deep neural network learning for speech recognition and its applications 201312.NIPS Deep learning and unsupervised feature learning 2010
13.ICML Learning architectures,representations,and optimization for speech and visual information processing 201114.ICML Representation learning 2012
15.ICML Deep learning for audio,speech,and language processing 2013
16.Mohamed A;DaM G E;Hinton G Acoustic modeling using deep belief networks .Hinton G A practical guide to training restricted Boltzmann machines .Mohamed A;Dahl G E;Hinton G E Deep belief networks for phone recognition 2009
19.Sainath T N;Kingsbury B;Ramabhadran B Making deep belief networks effective for large vocabulary continuousspeech recognition 2011
20.Dahl G E;Yu D;Deng L Context-dependent pre-trained deep neural networks for large vocabulary speech recognition2012(01)
21.Hinton G;Deng L;Yu D Deep neural networks for acoustic modeling in speech recognition:The shared views of fourresearch groups 2012(06)
22.Pan J;Liu C;Wang Z Investigation of deep neural networks (DNN) for large vocabulary continuous speechrecognition:Why DNN surpasses GMMS in acoustic modeling 2012
23.Yu D;Seltzer M L Improved bottleneck features using pretrained deep neural networks 2011
24.Bao Y;Jiang H;Dai L Incoherent training of deep neural networks to de-correlate bottleneck features for speechrecognition 2013
25.Sainath T N;Kingsbury B;Ramabhadran B Autoencoder bottleneck features using deep belief networks 2012
26.Dahl G E;Sainath T N;Hinton G E Improving deep neural networks for lvcsr using rectified linear units and dropout 2013
27.Zeiler M D;Ranzato M;Monga R On rectified linear units for speech processing 2013
28.Abdel-Hamid O;Mohamed A;Jiang H Applying convolutional neural networks concepts to hybrid NN-HMM model for speechrecognition 2012
29.Abdel-Hamid O;Deng L;Yu D Exploring convolutional neural network structures and optimization techniques forspeech recognition 2013
30.Sainath T N;Mohamed A;Kingsbury B Deep convolutional neural networks for LVCSR th L Convolutional deep rectifier neural nets for phone recognition 2013
三亿文库包含各类专业文献、应用写作文书、行业资料、高等教育、幼儿教育、小学教育、生活休闲娱乐、文学作品欣赏、76深度语音信号与信息处理研究进展与展望_图文等内容。　
　登录注册新闻网页贴吧知道音乐图片视频地图百科文库 搜...处理的新兴的学科,是目前发展最为迅速的信息科学研究...一是线性预测函数,二是语音信号的合成,通过主函数对... 　语音信号处理技术发展历程和趋势
信号与信息处理 1、语音信号处理的背景和意义语音信号处理是一门研究用数字信号处理技术对语音信号进行处理的学科, 处理的... 　学知识对语音信号进行处理的新 兴学科,是目前发展最为迅速的学科之一,通过语音传递信息是人类最重要,最有效, 最常用和最方便的交换信息手段,所以对其的研究更显得... 　语音学、心理学等学科,还涉及到信号和信息处理系统...而语音处理研究者 也从这些领域的研究进展中找到突破...检测分析及处理 n 则 X 的熵为 2、线性预测法 ... 　它的应用和发展与语音学、声音测量学、电子测量技术以及数字信号处理等学科紧密...使语音识别研究在匹配算法方面开辟了新 思路;20 世纪 70 年代中期线性预测技术(... 　语音信号采集与处理_信息与通信_工程科技_专业资料。...1.2 国内外研究现状 语音信号的采集与分析作为一个...20 世纪 70 年代中期线性预测技 术(LPC)被用于... 　信息处理实践: 语音信号的线性预测编码(LPC)分析 起...6.工作计划及进度: 2015 年 6 月 22 日 ~ 6 ...语音信号 LPC 分析技术的基本概念语音信号处理是研究... 　语音识别技术所涉及的领域包括:信号处理、 模式识别、概率论和信息论、发声机理...领域深度学习研究的发展,以及大数据 语料的积累,语音识别技术得到突飞猛进的发展... 　语音信号处理综述摘要:随着信息技术的发展,语音信号...Key words: ASR communication 一、 研究语音信号...更重要的是语音信号线性预测编码(LPC)技术和动态时间...