| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·语种识别的进展 | 第11-14页 |
| ·基于声学特征的方法 | 第11页 |
| ·基于韵律特征的方法 | 第11-12页 |
| ·基于音素识别的方法 | 第12页 |
| ·基于高层语言信息的方法 | 第12-13页 |
| ·LID 系统评测 | 第13-14页 |
| ·论文的研究思路 | 第14页 |
| ·作者的工作 | 第14-15页 |
| ·论文的结构 | 第15-16页 |
| 第2章 面向语种识别的电话语音数据库的构建 | 第16-23页 |
| ·引言 | 第16-17页 |
| ·语音数据库的设计 | 第17-20页 |
| ·发音人的选择方案 | 第17-18页 |
| ·固定提问语句集 | 第18-19页 |
| ·汉语借词的语料 | 第19页 |
| ·录音流程 | 第19-20页 |
| ·录音软件设计与硬件需求 | 第20-22页 |
| ·录音系统的硬件和软件开发平台 | 第20页 |
| ·录音软件的工作流程 | 第20-21页 |
| ·录音软件的系统构成 | 第21-22页 |
| ·数据的后期处理 | 第22-23页 |
| 第3章 基于GMM-UBM 的语种识别 | 第23-38页 |
| ·引言 | 第23页 |
| ·语音信号的预处理 | 第23-24页 |
| ·RASTA 滤波器 | 第24-25页 |
| ·RASTA 基本原理 | 第24-25页 |
| ·RASTA 滤波与MFCC 的结合 | 第25页 |
| ·MFCC 特征参数 | 第25-26页 |
| ·高斯混合模型 | 第26-30页 |
| ·高斯混合模型基本原理 | 第26-28页 |
| ·高斯混合模型的训练 | 第28-29页 |
| ·基于高斯混合模型的语种识别 | 第29-30页 |
| ·基于GMM 的PPR-LM 模型 | 第30-31页 |
| ·GMM-UBM 模型 | 第31-35页 |
| ·MAP 自适应算法 | 第33-35页 |
| ·对数似然比的计算 | 第35页 |
| ·语言模型 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 GMM-UBM-LM 语种识别系统 | 第38-45页 |
| ·引言 | 第38-42页 |
| ·基于GMM-UBM 改进模型的实验 | 第38-39页 |
| ·GMM-UBM 语料选择方案 | 第39页 |
| ·语种模型训练 | 第39-40页 |
| ·语言模型的训练 | 第40页 |
| ·后端得分处理 | 第40-42页 |
| ·实验数据库 | 第42-43页 |
| ·实验方案 | 第43页 |
| ·实验结果与讨论 | 第43-45页 |
| ·讨论 | 第44-45页 |
| 第5章 采用非监督得分规整自适应GMM-UBM 语种识别 | 第45-53页 |
| ·引言 | 第45-46页 |
| ·非监督得分规整自适应算法 | 第46-50页 |
| ·得分规整 | 第46-47页 |
| ·置信度 | 第47-48页 |
| ·得分模型更新 | 第48-50页 |
| ·实验方案 | 第50-51页 |
| ·实验数据库 | 第50页 |
| ·非监督得分规整语种识别系统 | 第50-51页 |
| ·实验结果与讨论 | 第51-53页 |
| ·实验结果 | 第51页 |
| ·讨论 | 第51-53页 |
| 第6章 总结和展望 | 第53-55页 |
| ·总结 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 参加的项目和发表的论文 | 第60页 |