数位语音处理概论课程大纲-中文.PDF

數位語音處理概論 課程大綱- 中文 課程概述 1. 本課程專為大學部同學所開授。所需要的最主要基礎能力是數學模型(機率、 線性代數)及軟體程式，所有難題由數學模型分析，並由程式求解；其中大部 份核心觀念均與機器學習(Machine Learning)密切相關。前半學期強調基礎背 景知識，後半則著重研究課題，讓修課同學體會由基礎走入研究的歷程。內 容深度適合電機系或資工系大三或大四同學選修。評分依據含期中期末考 (35%) 、程式作業(35%) 、期末專題(30%) 。 2. 在Apple 、Google 、Microsoft 等全球性產業推出行銷全球的主流產品後，語 音技術如何將成為人類生活之一關鍵部份已廣為人知。無線網路環境下日新 月異並具多元功能的智慧型手機及各種新型的隨身及可穿戴(Wearable)電子 設備如眼鏡、手錶(iwatch) ，加上雲端資訊(Cloud Computing) 、巨量數據(Big Data)之實現，智慧汽車、智慧家庭等願景，語音技術未來的發展已是無可限 量。在輕薄短小的硬體及豐富的應用環境下，原有的鍵盤、滑鼠等個人電腦 上網介面不再方便，語音很顯然成為最方便自然的網路介面之一；而網路上 的數位內容多以多媒體形式呈現，它們未必有文字檔案，卻都帶著語音訊息。 文字和語音終將成為人類語言資訊的兩種對等形式，今日人類生活中的諸多 以文字達成的功能(例如上網輸入文字指令、透過文字搜尋數位內容等)均可 能用語音達成。這些都是語音訊號處理技術未來可能的空間。 Part I: Fundamental Topics 1.Introduction 2.Basic Concepts in Speech Recognition 3.Research Roadmap in this Area 4.More about Hidden Markov Models (HMM) 5.Acoustic Modeling 6.Language Modeling 7.Speech Signals and Front-end Processing 8.Linguistic Decoding and Search Algorithm Part II: Research Topics 9. Speech Recognition Updates 10. Speech-based Information Retrieval 11. Spoken Document Understanding and Organization for User-content Interaction 12. Computer-Assisted Language Learning (CALL) 13. Speaker Variabilities: Adaption and Recognition 14. Linguistic Processing and Latent Topic Analysis 15. Robustness for Acoustic Environment 16. Some Fundamental Principles–EM Algorithm 17. Spoken Dialogues 18. Conclusion 課程目標 本課程所需要的最主要基礎能力是數學模型(機率、線性代數)及軟體程式，前半 強調基礎背景知識，後半則著重研究課題，讓修課同學體會由基礎走入研究的歷