复杂背景下声纹特征提取与识别
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-10页 |
| 1 绪论 | 第10-16页 |
| ·研究背景与意义 | 第10-11页 |
| ·研究现状 | 第11-14页 |
| ·国内外研究现状 | 第11-12页 |
| ·说话人识别的优势与应用前景 | 第12-13页 |
| ·存在的问题 | 第13-14页 |
| ·论文主要内容和结构 | 第14-16页 |
| ·论文的主要工作 | 第14页 |
| ·论文的组织结构 | 第14-16页 |
| 2 声纹识别的理论基础 | 第16-26页 |
| ·声纹识别系统 | 第16-18页 |
| ·声音预处理 | 第18-22页 |
| ·声纹识别系统的特征提取 | 第22-23页 |
| ·概述 | 第22页 |
| ·典型声纹特征参数提取算法 | 第22-23页 |
| ·声纹识别的方法研究 | 第23-24页 |
| ·系统性能评价指标 | 第24页 |
| ·本章小结 | 第24-26页 |
| 3 基于背景复杂度的端点检测技术 | 第26-44页 |
| ·声纹端点检测 | 第26-29页 |
| ·概述 | 第26页 |
| ·语音端点检测基本原理 | 第26-27页 |
| ·语音端点检测算法及实施方案 | 第27-29页 |
| ·基于短时能量和短时过零率的语音端点检测 | 第29-36页 |
| ·短时平均能量 | 第29-32页 |
| ·短时过零率 | 第32-34页 |
| ·基于短时能量和短时过零率的改进双门限端点检测 | 第34-35页 |
| ·混合双门限语音端点检测实验分析 | 第35-36页 |
| ·基于谱熵的语音端点检测算法 | 第36-39页 |
| ·谱熵特征 | 第36-37页 |
| ·谱熵的定义 | 第37页 |
| ·基于谱熵的端点检测流程 | 第37-38页 |
| ·基于谱熵特征的语音端点检测实验分析 | 第38-39页 |
| ·两种检测算法优劣 | 第39-42页 |
| ·本章小结 | 第42-44页 |
| 4 基于基因周期系数和MFCC的特征参数提取 | 第44-56页 |
| ·典型声纹特征参数提取算法 | 第44页 |
| ·倒谱法提取基音周期系数 | 第44-48页 |
| ·基音周期 | 第44-45页 |
| ·基音检测难点 | 第45页 |
| ·基音提取方法 | 第45-46页 |
| ·倒谱和复倒谱 | 第46页 |
| ·倒谱分析算法的原理 | 第46-47页 |
| ·MATLAB中的实验设计与实现 | 第47-48页 |
| ·MFCC参数的提取 | 第48-53页 |
| ·MFCC的原理 | 第48-51页 |
| ·MFCC算法流程 | 第51-52页 |
| ·提取差分特征参数 | 第52页 |
| ·MATLAB中的实验设计与实现 | 第52-53页 |
| ·混合参数的改进特征提取算法 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 5 基于SEMG的带噪说话人识别系统研究 | 第56-70页 |
| ·声纹识别系统 | 第56-60页 |
| ·GMM模型 | 第56-57页 |
| ·EM算法在GMM中的应用 | 第57-59页 |
| ·SEMG算法的说话人识别系统 | 第59-60页 |
| ·实验结果和分析 | 第60-68页 |
| ·实验模块和实验参数 | 第61-62页 |
| ·不同特征提取算法下的识别效率分析 | 第62-64页 |
| ·GMM混合阶数对识别性能的影响分析 | 第64-65页 |
| ·性别间的识别效果分析 | 第65-66页 |
| ·MFCC和基频结合方法权系数的选取分析 | 第66-68页 |
| ·本章小结 | 第68-70页 |
| 6 总结和展望 | 第70-72页 |
| ·工作总结 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-80页 |
| 附录 攻读学位期间的主要学术成果 | 第80-82页 |
| 致谢 | 第82页 |
