基于ARM的说话人识别系统的研究与实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 课题研究的背景与意义 | 第8页 |
| 1.2 说话人识别综述 | 第8-13页 |
| 1.2.1 说话人识别的分类 | 第9-11页 |
| 1.2.2 说话人识别的性能评价 | 第11-12页 |
| 1.2.3 说话人识别的现状与问题 | 第12-13页 |
| 1.3 ARM在说话人识别中的应用 | 第13页 |
| 1.4 论文主要内容和章节安排 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 语音信号处理基础理论研究 | 第15-22页 |
| 2.1 语音信号产生机理与模型 | 第15-16页 |
| 2.1.1 语音信号的产生机理 | 第15页 |
| 2.1.2 语音信号数字模型 | 第15-16页 |
| 2.2 语音信号的时域处理 | 第16-21页 |
| 2.2.1 语音信号的抽样与量化 | 第16-17页 |
| 2.2.2 语音信号的预加重 | 第17页 |
| 2.2.3 语音信号的短时处理和加窗 | 第17-20页 |
| 2.2.4 端点检测和降噪 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第3章 说话人特征参数的提取 | 第22-28页 |
| 3.1 LPCC的原理与分析 | 第22-24页 |
| 3.2 人耳的听觉机制和Mel频率倒谱分析 | 第24-26页 |
| 3.2.1 人耳的听觉机制 | 第24页 |
| 3.2.2 对声音频率的感受性 | 第24-26页 |
| 3.3 Mel频率滤波 | 第26-27页 |
| 3.4 本章小结 | 第27-28页 |
| 第4章 基于高斯混合模型的说话人识别 | 第28-37页 |
| 4.1 说话人识别算法 | 第28-30页 |
| 4.1.1 基于模板匹配的方法 | 第28-29页 |
| 4.1.2 基于概率模型的方法 | 第29页 |
| 4.1.3 基于判决模型的方法 | 第29-30页 |
| 4.1.4 基于混合模型的方法 | 第30页 |
| 4.2 基于GMM的说话人识别方法 | 第30-34页 |
| 4.2.1 GMM模型的基本概念 | 第31页 |
| 4.2.2 模型参数估计 | 第31-34页 |
| 4.3 GMM在说话人确认和辨认中的应用 | 第34-36页 |
| 4.4 本章小结 | 第36-37页 |
| 第5章 基于ARM的说话人识别系统的设计与实现 | 第37-49页 |
| 5.1 基于Linux的软件开发流程 | 第38-41页 |
| 5.2 Linux驱动程序设计 | 第41-43页 |
| 5.3 Linux内核的编译与移植 | 第43页 |
| 5.4 硬件系统设计 | 第43-44页 |
| 5.6 系统运行与实验结果分析 | 第44-48页 |
| 5.6.1 系统下载运行 | 第44-45页 |
| 5.6.2 说话人识别实验结果分析 | 第45-48页 |
| 5.7 本章小结 | 第48-49页 |
| 第6章 总结与展望 | 第49-50页 |
| 参考文献 | 第50-52页 |
| 攻读学位期间的研究成果 | 第52-53页 |
| 致谢 | 第53页 |
