基于UBM和PLDA的异常声识别方法研究
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 1 绪论 | 第6-11页 |
| 1.1 研究背景及应用 | 第6-7页 |
| 1.2 研究现状 | 第7-9页 |
| 1.3 本文的主要工作 | 第9页 |
| 1.4 文章的结构安排 | 第9-11页 |
| 2 异常声音识别系统 | 第11-20页 |
| 2.1 系统组成 | 第11页 |
| 2.2 异常声音预处理 | 第11-14页 |
| 2.2.1 采样量化 | 第12页 |
| 2.2.2 分帧加窗 | 第12-13页 |
| 2.2.3 异常声音端点检测 | 第13-14页 |
| 2.3 异常声音特征提取 | 第14-18页 |
| 2.3.1 MFCC特征提取 | 第14-17页 |
| 2.3.2 差分参数提取 | 第17-18页 |
| 2.4 分类模型 | 第18页 |
| 2.5 本章小结 | 第18-20页 |
| 3 基于UBM的异常声识别系统 | 第20-35页 |
| 3.1 UBM模型原理 | 第20-21页 |
| 3.2 UBM参数估计算法 | 第21-24页 |
| 3.2.1 参数处理 | 第21-22页 |
| 3.2.2 EM算法 | 第22-24页 |
| 3.3 UBM模型训练 | 第24-28页 |
| 3.3.1 MAP自适应算法 | 第24-26页 |
| 3.3.2 评价指标 | 第26-28页 |
| 3.4 仿真实验 | 第28-34页 |
| 3.4.1 仿真实验设置 | 第28-29页 |
| 3.4.2 分类高斯元件对实验性能的影响 | 第29-31页 |
| 3.4.3 特征维度对实验性能的影响 | 第31-33页 |
| 3.4.4 EM算法分析 | 第33-34页 |
| 3.4.5 UBM模型性能 | 第34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 基于PLDA的异常声音识别 | 第35-49页 |
| 4.1 基于PLDA的异常声音识别系统 | 第35-36页 |
| 4.2 i-vector的提取 | 第36-41页 |
| 4.2.1 联合因子分析技术 | 第36-38页 |
| 4.2.2 总变异空间 | 第38页 |
| 4.2.3 估计T矩阵 | 第38-40页 |
| 4.2.4 i-vector的提取 | 第40-41页 |
| 4.3 PLDA模型与评价系统 | 第41-43页 |
| 4.3.1 模型训练 | 第41-42页 |
| 4.3.2 得分计算 | 第42-43页 |
| 4.4 仿真实验 | 第43-48页 |
| 4.4.1 实验设置 | 第43-44页 |
| 4.4.2 T矩阵维度对实验的影响 | 第44-45页 |
| 4.4.3 PLDA维度对实验的影响 | 第45-47页 |
| 4.4.4 系统性能 | 第47-48页 |
| 4.5 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54-56页 |
