面向高铁车站嘈杂环境的语音售票关键技术研究与实现

避免在嘈杂环境下打电话，确保语音清晰。 #生活技巧# #职场沟通技巧# #电话沟通艺术#

声明

中文摘要

英文摘要

目录

第1章绪论

1.2国内外研究现状

1.2.2语音识别及语义联想的实际应用

1.3论文的主要工作

1.4论文的结构安排

第2章相关理论及技术

2.2神经网络理论概述

2.2.1长短时记忆神经网络LSTM

2.2.2卷积神经网络CNN

2.3统计语言模型理论概述

2.3.1 n-gram模型

2.3.2词向量

2.4本章小结

第3章基于深度学习的语音分离模型优化

3.2深度学习框架TASNET

3.2.2分离器及优化

3.3实验数据与评价指标

3.3.2评价指标

3.3.3分离器优化效果

3.3.4参数对神经网络框架的影响

3.4 TASNET在高铁嘈杂购票环境下的算法优化

3.4.1不确定人数下语音分离技术的研究现状

3.4.2不确定人数下语音分离算法

3.4.3不确定人数下语音分离算法的Permutation Issue优化

3.5本章小结

第4章基于购票场景下改进的语义联想算法

4.2语义联想算法整体流程

4.3基于地名的Levenshtein距离算法

4.3.2算法推导

4.3.3实验

4.4 TF-IDF算法与TF-IDF++算法

4.4.2 TF-IDF算法的不足

4.5.1 TF-IDF++算法

4.5.2 Word2Vec语言模型

4.5.3 CBOW模型网络结构

4.5.4 CBOW目标函数

4.6实验结果

4.6.2实验数据集

4.6.3实验结果

第5章高铁智慧出行语音售票系统研发

5.1.3语音售票场景的服务器技术选型

5.2自研语音售票服务器框架EchoLib

5.2.2 EchoLib框架Reactor内部原理

5.2.3 EchoLib框架Threadpool内部原理

5.3语音售票系统流程图

5.3.3计算线程工作流程

5.4系统设计与功能实现

5.5本章小结

总结与展望

致谢

参考文献

攻读硕士期间发表的论文及科研成果

网址：面向高铁车站嘈杂环境的语音售票关键技术研究与实现 https://www.yuejiaxmz.com/news/view/929875

相关内容

语音识别技术与自然语言处理（NLP）的关键推手
噪声环境下的语音识别挑战与解决方案在现实生活中，语音识别系统经常面临噪声环境的挑战，例如街头嘈杂声、办公室背景声等。这些
服务机器人语音唇读人机交互技术研究
听懂未来：AI语音识别技术的进步与实战> 本文全面探索了语音识别技术，从其历史起源、关键技术发展到广泛的实际应用案例，揭
智能语音识别技术的现状与未来####
语音识别技术的发展与应用
铁路车辆噪声与振动控制技术研究
中铁环境“高原高寒环境生活污水处理一体化设备关键技术研究”通过科技成果评价
语音识别技术应用仍存在着一些技术瓶颈，主要体现在哪几个方面？
智能语音交互技术

随便看看