[1]戴礼荣张仕良,黄智颖.基于深度学习的语音识别技术现状与展望[J].数据采集与处理,2017,32(2):221-231.

[2]戴礼荣,张仕良.深度语音信号与信息处理：研究进展与展望[J].数据采集与处理,2014,29(2):171-179.

[3]刘加 张卫强.低资源语音识别若干关键技术研究进展[J].数据采集与处理,2017,32(2):205-220.

[4]刘谭,郭武.融合声学特征和深度特征的语音文档分类[J].数据采集与处理,2021,36(5):932-938.

[5]张玲华姚绍芹,解伟超.基于自适应粒子群优化径向基函数神经网络的语音转换[J].数据采集与处理,2015,30(2):336-343.

[6]基于深度学习的视频跟踪研究进展综述[J].计算机工程与应用

[7]刘敬伟,肖熙.实用环境语音识别鲁棒性技术研究与展望[J].计算机工程与应用,2006,42(24):7-12.

[8]马瑞堂 李成荣.一种基于声道归一化自适应技术的儿童语音识别方法[J].计算机应用,2007,27(B06):130-132.

[9]黄晓辉,李京.基于循环神经网络的藏语语音识别声学模型[J].中文信息学报,2018,32(5):49-55.

[10]努尔麦麦提·尤鲁瓦斯,张力文,吾守尔·斯拉木.说话人自适应技术在维吾尔语语音识别中的应用研究[J].中文信息学报,2016,30(3):79-84.

[11]基于SGMM和DNN结合提高音素识别率的研究[J].计算机工程与应用

[12]谢旭荣,隋 相,刘循英,王 岚.深度神经网络建模方法 用于数据缺乏的带口音普通话语音识别的研究[J].集成技术,2015,4(6):26-36.

[13]邓侃,欧智坚.深层神经网络语音识别自适应方法研究[J].计算机应用研究,2016,33(7).

[14]基于CTC准则的普通话识别及改进[J].计算机工程

[15]陈仁林,郭中华,朱兆伟.基于BP神经网络的说话人识别技术的实现[J].电脑学习,2012,2(2):47-49.

[16]改进卷积输入的端到端普通话语音识别[J].计算机工程与应用

[17]李亚琦,黄浩.语音识别中基于i-vector的说话人归一化研究[J].现代计算机,2014(5):3-7.

[18]姜莹,俞一彪.基于语音结构化模型的数字语音识别[J].计算机工程与设计,2012,33(4):1482-1485,1490.

[19]邬龙,黎塔,王丽,颜永红.基于知识蒸馏和生成对抗网络的远场语音识别[J].软件学报,2019,30(S2):25-34.

[20]李荟,赵云敏.特征音方法在说话人识别中的应用[J].计算机系统应用,2013,22(8):176-179.