| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-23页 |
| 1.1 自动语种识别的研究意义 | 第10-11页 |
| 1.2 语种识别的国内外发展现状 | 第11-14页 |
| 1.2.1 语种识别的国外发展历程 | 第11-13页 |
| 1.2.2 语种识别的国内发展现状 | 第13页 |
| 1.2.3 针对我国少数民族语言的语种识别的发展现状 | 第13-14页 |
| 1.3 语音库的选取与评测标准 | 第14-17页 |
| 1.3.1 语音库的选取 | 第14-16页 |
| 1.3.2 评测标准 | 第16-17页 |
| 1.4 语种识别的常用特征 | 第17-18页 |
| 1.5 语种识别的主要方法 | 第18-22页 |
| 1.5.1 基于声学特征的方法 | 第19-20页 |
| 1.5.2 基于韵律特征的方法 | 第20页 |
| 1.5.3 基于音素的识别方法 | 第20-21页 |
| 1.5.4 基于高层语言信息的方法 | 第21-22页 |
| 1.6 论文内容组织及安排 | 第22-23页 |
| 第二章 语种识别中的特征提取 | 第23-40页 |
| 2.1 语音信号的分帧 | 第23页 |
| 2.2 基音周期 | 第23-28页 |
| 2.2.1 基音周期提取的预处理 | 第25-27页 |
| 2.2.2 倒谱法的基音检测 | 第27-28页 |
| 2.3 梅尔频率倒谱系数 | 第28-37页 |
| 2.3.1 梅尔频率的原理 | 第29-30页 |
| 2.3.2 梅尔滤波器组 | 第30-31页 |
| 2.3.3 离散余弦变换 | 第31-33页 |
| 2.3.4 梅尔频率倒谱系数特（MFCC）的提取 | 第33-37页 |
| 2.4 移位差分倒谱特征 | 第37-39页 |
| 2.5 倒谱域均值相减 | 第39页 |
| 2.6 本章小结 | 第39-40页 |
| 第三章 基于高斯混合模型的语种识别系统 | 第40-54页 |
| 3.1 单高斯模型 | 第40-42页 |
| 3.2 高斯混合模型 | 第42-45页 |
| 3.3 EM算法 | 第45-48页 |
| 3.4 k-means聚类 | 第48-49页 |
| 3.5 GMM-UBM模型 | 第49-50页 |
| 3.6 基于GMM模型的语种识别系统 | 第50-52页 |
| 3.7 基于GMM-UBM模型的语种识别系统 | 第52-53页 |
| 3.8 本章小结 | 第53-54页 |
| 第四章 基于支持向量机的语种识别系统 | 第54-65页 |
| 4.1 最优决策面 | 第54-57页 |
| 4.2 广义最优分类面 | 第57-59页 |
| 4.3 松弛变量 | 第59-61页 |
| 4.4 多分类问题 | 第61-62页 |
| 4.5 基于SVM的语种识别系统 | 第62-64页 |
| 4.5.1 核函数的选择 | 第63-64页 |
| 4.5.2 不同特征参数下的系统性能 | 第64页 |
| 4.6 本章小结 | 第64-65页 |
| 第五章 总结与展望 | 第65-67页 |
| 5.1 总结 | 第65页 |
| 5.2 展望 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-72页 |