基于因子分析的与文本无关的说话人辨认方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-17页 |
| ·说话人识别的概述与研究意义 | 第9页 |
| ·研究背景与发展趋势 | 第9-11页 |
| ·说话人识别的主要问题 | 第11-13页 |
| ·说话人识别任务的分类 | 第11页 |
| ·说话人识别系统的构建 | 第11-13页 |
| ·系统的性能指标 | 第13页 |
| ·本文研究的基本内容 | 第13-14页 |
| ·本章小结 | 第14-17页 |
| 第二章 基于因子分析的说话人辨认方法 | 第17-39页 |
| ·预处理与特征提取 | 第17-22页 |
| ·语音信号的预处理 | 第17-19页 |
| ·提取特征参数 | 第19-22页 |
| ·说话人识别的建模过程 | 第22-29页 |
| ·通用背景模型 | 第22-26页 |
| ·最大后验概率估计 | 第26-28页 |
| ·均值超矢量 | 第28-29页 |
| ·因子分析的概述 | 第29-34页 |
| ·联合因子分析 | 第29-31页 |
| ·I向量 | 第31-32页 |
| ·估计全局变化空间矩阵 | 第32-33页 |
| ·隐形变量I向量的获取 | 第33-34页 |
| ·信道补偿技术 | 第34-37页 |
| ·线性区分性分析 | 第34-35页 |
| ·主成分分析 | 第35-36页 |
| ·类内协方差规整 | 第36-37页 |
| ·干扰属性映射 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第三章 支持向量机与距离测度在说话人识别中的应用 | 第39-55页 |
| ·支持向量机 | 第39-46页 |
| ·最优分类面 | 第39-41页 |
| ·支持向量机的核函数 | 第41-43页 |
| ·支持向量机在说话人识别中的应用 | 第43-45页 |
| ·LIBSVM在实验中的应用 | 第45-46页 |
| ·距离测度 | 第46-53页 |
| ·距离测度的分类 | 第46-47页 |
| ·余弦距离测度 | 第47-49页 |
| ·对数似然得分 | 第49-50页 |
| ·得分规整技术 | 第50-53页 |
| ·本章小结 | 第53-55页 |
| 第四章 仿真实验与结果分析 | 第55-69页 |
| ·语音数据库 | 第55页 |
| ·实验配置及性能指标 | 第55-56页 |
| ·实验的设计 | 第56-63页 |
| ·不同信道补偿技术下的性能比较实验 | 第57-61页 |
| ·比较不同识别方法对系统性能的影响 | 第61-63页 |
| ·手机说话人识别语音测试结果 | 第63页 |
| ·说话人辨认仿真系统的建立 | 第63-67页 |
| ·本章小结 | 第67-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 致谢 | 第75-77页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第77页 |
