基于信道补偿方法的说话人确认研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 绪论 | 第12-21页 |
| ·概述 | 第12-14页 |
| ·说话人识别研究背景 | 第12页 |
| ·说话人识别的发展历程 | 第12-13页 |
| ·说话人识别的基本范畴 | 第13-14页 |
| ·说话人确认的评价标准 | 第14-17页 |
| ·等误识率 | 第14-15页 |
| ·检测函数代价 | 第15-16页 |
| ·DET 曲线 | 第16-17页 |
| ·语音信号产生机理 | 第17-19页 |
| ·说话人确认中的失配问题 | 第19-20页 |
| ·论文的主要研究内容 | 第20-21页 |
| 第二章 基于GMM-UBM 的说话人确认 | 第21-35页 |
| ·概述 | 第21页 |
| ·语音特征参数 | 第21-28页 |
| ·语音倒谱分析 | 第22页 |
| ·线性预测倒谱系数(LPCC) | 第22-24页 |
| ·MEL 倒谱参数 | 第24-26页 |
| ·韵律特征参数 | 第26-28页 |
| ·信道失配对参数的影响 | 第28页 |
| ·GMM-UBM 基本结构 | 第28-33页 |
| ·GMM 高斯混合模型 | 第28-30页 |
| ·GMM 的训练算法(EM) | 第30-31页 |
| ·基于GMM-UBM 的说话人确认系统 | 第31-32页 |
| ·自适应MAP 算法 | 第32-33页 |
| ·基于GMM-UBM 说话人确认系统的通道鲁棒性 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 复杂环境下的信道鲁棒算法 | 第35-46页 |
| ·概述 | 第35-37页 |
| ·特征域的信道鲁棒算法 | 第37-39页 |
| ·倒谱均值减 | 第37页 |
| ·相关谱滤波 | 第37-38页 |
| ·高斯化 | 第38-39页 |
| ·特征映射 | 第39页 |
| ·模型域信道补偿算法 | 第39-42页 |
| ·GMM-UBM 说话人确认 | 第39-40页 |
| ·因子分析(FA) | 第40-41页 |
| ·特征属性消除(NAP) | 第41-42页 |
| ·分数域的信道鲁棒算法 | 第42-44页 |
| ·零规整 | 第42-43页 |
| ·HNORM | 第43页 |
| ·测试规整 | 第43-44页 |
| ·信道鲁棒性实验 | 第44-45页 |
| ·实验数据库 | 第44页 |
| ·实验结果及分析 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于SVM 的说话人确认 | 第46-59页 |
| ·概述 | 第46-47页 |
| ·支持向量机 | 第47-53页 |
| ·机器学习问题概述 | 第47-48页 |
| ·风险最小化原理 | 第48-49页 |
| ·线性支持向量机 | 第49-50页 |
| ·非线性支持向量机 | 第50-52页 |
| ·核函数 | 第52-53页 |
| ·GMM 大矢量 | 第53-54页 |
| ·基于GMM-SUP-SVM 的说话人确认系统 | 第54-58页 |
| ·系统框图 | 第54页 |
| ·实验数据库 | 第54-55页 |
| ·实验结果及分析 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 第五章 基于PSVM 的说话人确认 | 第59-68页 |
| ·概述 | 第59页 |
| ·高维空间映射失配补偿 | 第59-64页 |
| ·KPCA 分析 | 第60-61页 |
| ·高维说话人特征的缺陷 | 第61-62页 |
| ·映射矩阵P 的求取方法 | 第62-64页 |
| ·PSVM 核函数 | 第64页 |
| ·基于PSVM 的说话人确认系统 | 第64-67页 |
| ·系统框图 | 第64-65页 |
| ·实验数据库 | 第65-66页 |
| ·实验结果及分析 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结和展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间的主要研究工作和论文发表情况 | 第74页 |
