全文总字数：2782字
1. 研究目的与意义（文献综述）
随着语音输入、车载语音系统等各种语音识别软件的普及，语音识别逐渐走入了人们的生活和工作中，凭借其实用性和准确性受到了人们的喜爱，带来了许多方便。我国的基建工作处于世界领先地位，在施工进程中，最讲究的就是安全和效率，为了保障安全、提高效率，开发出工地检查的语音识别系统。虽然目前基于标准普通话的语音识别系统已经有了较高的准确率，但在工地这个特定的环境中，针对噪音、方言、专业词汇等问题，应该有特定应用场景语音识别系统来实现使机器更加智能化的与人通信并完成指令。
传统的语音识别方法基于模板匹配法，而现代的语音识别方法以神经网络为主要发展趋势，而深度学习的第一步不是向传统神经网络一样随机初始化，而是通过学习数据的结构获得特征值，进而有更好的学习结果。深度学习网络就像人类大脑的学习机制一样，在面临大量的信息时，对信息进行层次化的处理。2009年，深度学习第一次被应用于语音识别任务中，相比较传统的语音识别模型（gmm-hmm）提升了超过20%的性能。
随着深度学习的发展，深层结构的神经网络对语音识别产生了重大的影响，目前深度学习理论已经成功的运用于孤立词汇、声母韵母、音素识别和大量连续词汇的识别，主要应用于提取更具有表征能力的语音数据特征以及加强现有的声学模型的构建。在大数据的背景下，深度学习对海量数据有着优秀的建模能力，考虑到理论意义和实用价值，选择使用深度学习研究特定场景下的语音识别是一个可行的方向，目前，基于深度学习网络（dnn）的声学模型成为语音识别声学模型的主流，使语音识别技术真正走向实用化，并适合某些特定场景下对语音识别准确性的要求。
2. 研究的基本内容与方案
基本内容：
本次毕业设计需要利用深度学习技术，完成搭建基于深度学习的工地安全检查语音识别系统实验平台，构建并识别工地安全检查语音库，提取语音中的关键字并与对应的标准检查项匹配。现拟定使用python语言，使用anaconda进行开发，调试程序，实现语音识别系统，为语音识别技术在工地安全检查app软件开发应用奠定基础。同时针对特定场景的语音识别进行相应的预处理，从而得到更加精确的结果。
技术方案：
3. 研究计划与安排
1）第1周至第2周：查阅有关的参考资料并完成开题报告；阅读顶级会议论文和相关参考文献.
2）第3周至第6周：采集相关数据，并对以上数据进行分析，完成前期测验工作。
3）第7周至第13周：进行相关算法和系统的编码、调试、测试工作。其中第10周左右进行毕业设计中期检查，需要提交论文前三章和毕业设计框架。
4. 参考文献（12篇以上）
[1]基于深度学习的语音识别应用研究，张建华，硕士论文
[2]深度学习神经网络在语音识别中的应用研究，陈硕，硕士论文
