基于稀疏表示的短语音说话人识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-20页 |
| ·说话人识别的研究背景及意义 | 第11-12页 |
| ·说话人识别的发展概况 | 第12-13页 |
| ·说话人识别介绍 | 第13-16页 |
| ·说话人识别的基本概念 | 第13-14页 |
| ·说话人识别的研究方法及研究现状 | 第14-16页 |
| ·说话人识别的短语音问题 | 第16-18页 |
| ·论文的主要研究内容 | 第18-20页 |
| 第二章 短语音说话人识别相关技术基础 | 第20-35页 |
| ·语音信号的预处理 | 第20-22页 |
| ·特征参数提取 | 第22-24页 |
| ·基于 GMM-UBM 的短语音说话人识别 | 第24-28页 |
| ·GMM-UBM-MAP 概述 | 第24-25页 |
| ·GMM-UBM 的训练 | 第25-26页 |
| ·目标说话人模型的 MAP 自适应 | 第26-28页 |
| ·GMM-UBM 模型的识别问题 | 第28页 |
| ·支持向量机理论 | 第28-31页 |
| ·线性支持向量机 | 第29-30页 |
| ·非线性支持向量机 | 第30-31页 |
| ·基于 GSV-SVM 的短语音说话人识别 | 第31-33页 |
| ·高斯超向量 | 第32页 |
| ·基于 GSV-SVM 的说话人识别 | 第32-33页 |
| ·实验结果与分析 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 基于稀疏表示的短语音说话人识别 | 第35-50页 |
| ·引言 | 第35-36页 |
| ·信号的重构与判别方法 | 第36-38页 |
| ·重构方法 | 第36-37页 |
| ·判别分析方法 | 第37-38页 |
| ·两者的区别与联系 | 第38页 |
| ·基于稀疏表示的短语音说话人识别 | 第38-42页 |
| ·语音特征的线性表示 | 第38-41页 |
| ·稀疏表示分类算法 | 第41页 |
| ·识别过程 | 第41-42页 |
| ·稀疏表示求解算法 | 第42-48页 |
| ·初始对偶内点法 | 第42-43页 |
| ·梯度投影法 | 第43-45页 |
| ·同伦算法 | 第45-46页 |
| ·迭代收缩阈值法 | 第46-47页 |
| ·交替方向算法 | 第47-48页 |
| ·实验结果与分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 基于稳健稀疏表示短语音说话人识别 | 第50-63页 |
| ·引言 | 第50-51页 |
| ·线性回归方法 | 第51-52页 |
| ·稳健回归方法 | 第52-54页 |
| ·M 估计 | 第52-53页 |
| ·最小修剪残差估计 | 第53-54页 |
| ·基于稳健稀疏表示的短语音说话人识别 | 第54-59页 |
| ·稳健稀疏表示模型 | 第54-56页 |
| ·迭代权重推导 | 第56-57页 |
| ·稳健稀疏表示算法 | 第57-59页 |
| ·实验结果与分析 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 第五章 基于联合表示的短语音说话人识别 | 第63-73页 |
| ·引言 | 第63页 |
| ·稀疏表示与联合表示 | 第63-68页 |
| ·稀疏表示 | 第63-65页 |
| ·联合表示 | 第65-68页 |
| ·基于联合表示的短语音说话人识别 | 第68-69页 |
| ·实验结果与分析 | 第69-72页 |
| ·正则化参数对算法性能的影响 | 第69页 |
| ·不同语音长度对识别结果的影响 | 第69-70页 |
| ·噪声环境对识别结果的影响 | 第70-71页 |
| ·算法识别速度比较 | 第71-72页 |
| ·本章小结 | 第72-73页 |
| 第六章 总结与展望 | 第73-75页 |
| ·总结 | 第73-74页 |
| ·展望 | 第74-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-81页 |
| 攻硕期间取得的研究成果 | 第81-82页 |
