基于JFA的汉语耳语音说话人识别
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-23页 |
| ·研究的意义 | 第11-13页 |
| ·研究的背景和现状 | 第13-16页 |
| ·说话人识别的关键问题 | 第16-20页 |
| ·数据库 | 第16-17页 |
| ·特征参数 | 第17-18页 |
| ·模式识别模型 | 第18-20页 |
| ·本文的主要工作 | 第20-21页 |
| ·论文结构安排 | 第21-23页 |
| 第二章 耳语音的特征参数 | 第23-40页 |
| ·语音的发音系统 | 第23-24页 |
| ·语音特征参数的分析 | 第24-33页 |
| ·语音信号产生的数学模型 | 第25-26页 |
| ·基音频率 | 第26-27页 |
| ·共振峰 | 第27-28页 |
| ·线性预测倒谱系数(LPCC) | 第28-30页 |
| ·美尔频率倒谱系数(MFCC) | 第30-33页 |
| ·特征参数优化的方法 | 第33-35页 |
| ·高阶差分参数 | 第34页 |
| ·倒谱均值减(CMS) | 第34-35页 |
| ·耳语音的特点 | 第35-37页 |
| ·生理特点 | 第35-36页 |
| ·声学特性 | 第36-37页 |
| ·耳语音特征参数的分析 | 第37-39页 |
| ·耳语音产生的数学模型 | 第37-38页 |
| ·MFCC 修正参数 | 第38-39页 |
| ·本文采用的特征参数 | 第39-40页 |
| 第三章 基于GMM 模型的说话人识别 | 第40-52页 |
| ·说话人识别的分类 | 第40页 |
| ·GMM 模型的基本概念 | 第40-42页 |
| ·主成分分析(PCA) | 第42-43页 |
| ·通用背景模型(UBM) | 第43-48页 |
| ·分裂法 | 第44页 |
| ·K-means 算法 | 第44-46页 |
| ·EM 算法 | 第46页 |
| ·UBM 训练中需要注意的问题 | 第46-48页 |
| ·说话人模型的自适应 | 第48-49页 |
| ·基于对数似然度的辨认算法 | 第49-50页 |
| ·实验结果及分析 | 第50-52页 |
| 第四章 信道失配下的说话人识别 | 第52-61页 |
| ·GMM 均值超矢量 | 第52-53页 |
| ·说话人超矢量的PCA 映射 | 第53-54页 |
| ·信道问题典型的两种解决方法 | 第54-56页 |
| ·特征映射(Feature Mapping) | 第54-55页 |
| ·说话人模型合成(SMS) | 第55-56页 |
| ·因子分析 | 第56-61页 |
| ·因子分析的基本概念 | 第57-58页 |
| ·联合因子分析(JFA) | 第58-59页 |
| ·本征信道 | 第59-61页 |
| 第五章 简化的联合因子分析 | 第61-74页 |
| ·联合因子分析的难点 | 第61页 |
| ·简化的联合因子分析方法 | 第61-62页 |
| ·基于简化的JFA 方法的说话人辨认模型 | 第62-66页 |
| ·UBM 的训练 | 第62页 |
| ·Baum-Welch 统计量的计算 | 第62-63页 |
| ·说话人空间和信道空间的分开估计 | 第63-65页 |
| ·说话人模型的训练 | 第65-66页 |
| ·基于线性得分的辨认算法 | 第66页 |
| ·实验结果及分析 | 第66-74页 |
| 第六章 总结与展望 | 第74-75页 |
| ·论文工作总结 | 第74页 |
| ·今后研究展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 攻读硕士学位期间公开发表的论文 | 第81-82页 |
| 致谢 | 第82-83页 |
