| 目录 | 第4-7页 |
| 表目录 | 第7-8页 |
| 图目录 | 第8-9页 |
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 语种识别概述 | 第13-15页 |
| 1.2.1 语种识别的分类 | 第13-14页 |
| 1.2.2 语种识别系统评价标准 | 第14-15页 |
| 1.3 语种识别技术发展现状 | 第15-17页 |
| 1.4 本文的主要内容和创新点 | 第17-20页 |
| 1.4.1 研究思路 | 第17页 |
| 1.4.2 主要内容 | 第17-19页 |
| 1.4.3 本文创新点 | 第19-20页 |
| 第二章 基于GSV-SVM的语种识别关键技术 | 第20-32页 |
| 2.1 特征提取 | 第20-23页 |
| 2.1.1 语音信号的预处理 | 第21页 |
| 2.1.2 梅尔频率倒谱系数 | 第21-23页 |
| 2.1.3 移位差分倒谱特征 | 第23页 |
| 2.2 特征域补偿方法 | 第23-25页 |
| 2.2.1 静音检测 | 第24页 |
| 2.2.2 倒谱均值减 | 第24页 |
| 2.2.3 RASTA滤波 | 第24页 |
| 2.2.4 特征高斯化 | 第24-25页 |
| 2.3 GSV-SVM系统后端模型 | 第25-28页 |
| 2.3.1 高斯混合模型-通用背景模型 | 第25页 |
| 2.3.2 高斯混合模型超矢量 | 第25-27页 |
| 2.3.3 SVM在语种识别中的应用 | 第27-28页 |
| 2.4 实验 | 第28-31页 |
| 2.4.1 实验语料 | 第28-29页 |
| 2.4.2 实验系统配置 | 第29页 |
| 2.4.3 实验结果及分析 | 第29-31页 |
| 2.5 小结 | 第31-32页 |
| 第三章 区分加权干扰属性投影算法 | 第32-42页 |
| 3.1 干扰属性投影 | 第32-35页 |
| 3.1.1 干扰属性投影基本原理 | 第32-33页 |
| 3.1.2 投影矩阵的计算 | 第33-35页 |
| 3.1.3 投影秩的选择 | 第35页 |
| 3.2 区分加权干扰属性投影 | 第35-39页 |
| 3.2.1 干扰源的量化估计 | 第36页 |
| 3.2.2 区分加权干扰属性投影 | 第36-39页 |
| 3.3 实验 | 第39-41页 |
| 3.3.1 实验语料及系统配置 | 第39页 |
| 3.3.2 实验结果及分析 | 第39-41页 |
| 3.4 小结 | 第41页 |
| 3.5 附录 | 第41-42页 |
| 第四章 区分性Model Pushing算法 | 第42-51页 |
| 4.1 Model Pushing | 第42-43页 |
| 4.2 快速区分性训练 | 第43页 |
| 4.3 区分性Model Pushing | 第43-47页 |
| 4.3.1 区分性Model Pushing | 第44-46页 |
| 4.3.2 特征域区分加权干扰属性投影 | 第46-47页 |
| 4.4 实验 | 第47-50页 |
| 4.5 小结 | 第50-51页 |
| 第五章 语种识别系统的多核DSP实现 | 第51-62页 |
| 5.1 平台介绍 | 第51-52页 |
| 5.1.1 芯片简介 | 第51-52页 |
| 5.1.2 开发环境简介 | 第52页 |
| 5.2 基于TMS320C6678的语种识别算法优化 | 第52-56页 |
| 5.2.1 语种识别算法分析 | 第52-54页 |
| 5.2.2 算法实时性分析 | 第54页 |
| 5.2.3 算法优化 | 第54-56页 |
| 5.3 基于TMS320C6678的语种识别算法并行设计 | 第56-59页 |
| 5.3.1 任务并行模式 | 第56-57页 |
| 5.3.2 模块间通信分析 | 第57-58页 |
| 5.3.3 模块任务的核映射 | 第58-59页 |
| 5.3.4 内存分配 | 第59页 |
| 5.4 基于TMS320C6678的语种识别算法实现 | 第59-61页 |
| 5.4.1 语种识别算法在TMS320C6678的实现 | 第59-60页 |
| 5.4.2 实验及结果分析 | 第60-61页 |
| 5.5 小结 | 第61-62页 |
| 结束语 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 作者简历 攻读硕士学位期间完成的主要工作 | 第68-69页 |
| 致谢 | 第69页 |
