| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 序论 | 第8-12页 |
| ·语音信号处理的发展与应用 | 第8页 |
| ·说话人辨识概述 | 第8-10页 |
| ·说话人识别的研究方法 | 第10-11页 |
| ·论文结构 | 第11-12页 |
| 第二章 说话人识别基础及参数提取 | 第12-20页 |
| ·概述 | 第12-14页 |
| ·特征参数的评价方法 | 第12-13页 |
| ·常用特征参数 | 第13-14页 |
| ·语音信号特征参数提取的处理流程 | 第14页 |
| ·语音信号预处理 | 第14-15页 |
| ·特征参数提取 | 第15-19页 |
| ·线性预测系数(LPC) | 第16-17页 |
| ·倒谱系数(LPCC) | 第17页 |
| ·梅尔倒谱系数(MFCC) | 第17-19页 |
| ·本章 小结 | 第19-20页 |
| 第三章 基于参数的说话人识别方法 | 第20-26页 |
| ·k-最相邻分类法 | 第20-23页 |
| ·1-NN 分类法 | 第20-21页 |
| ·1-NN 分类法改进方法 | 第21页 |
| ·k-NN 分类法 | 第21-23页 |
| ·向量量化分类法 | 第23-24页 |
| ·k-means 聚类算法 | 第24页 |
| ·模糊c-means 聚类算法 | 第24-25页 |
| ·本章 小结 | 第25-26页 |
| 第四章 基于参数的说话人识别方法的matlab 实现 | 第26-34页 |
| ·特征参数提取的simulink 模块和MATLAB 程序 | 第26-29页 |
| ·语音信号预处理模块 | 第26-27页 |
| ·线性预测系数(LPC)提取模块 | 第27-28页 |
| ·倒谱系数(LPCC)提取模块 | 第28页 |
| ·梅尔倒谱系数(MFCC)提取模块 | 第28-29页 |
| ·k-NN 算法的实现 | 第29-30页 |
| ·k-means 算法的实现 | 第30页 |
| ·模糊c-means 算法的实现 | 第30-31页 |
| ·清除静音的方法 | 第31-33页 |
| ·本章 小结 | 第33-34页 |
| 第五章 基于参数的说话人识别实验 | 第34-40页 |
| ·说话人声音数据 | 第34页 |
| ·使用k-NN 法的辨识率 | 第34-37页 |
| ·1-NN 算法实验结果 | 第35-36页 |
| ·k-NN 算法实验结果 | 第36-37页 |
| ·测试数据量对识别率的影响 | 第37页 |
| ·基于向量量化方法的说话人识别及其比较 | 第37-38页 |
| ·基于k-means 算法的实验结果 | 第38页 |
| ·基于模糊c-means 算法(FCM)的实验结果 | 第38页 |
| ·本章 小结 | 第38-40页 |
| 第六章 人工神经网络应用于说话人识别 | 第40-53页 |
| ·二维阵列SOFM 模型 | 第41-42页 |
| ·SOFM 模型学习的具体步骤 | 第42-44页 |
| ·学习向量量化(LVQ) | 第44-47页 |
| ·学习向量量化算法 | 第44页 |
| ·学习向量量化算法的改进 | 第44-47页 |
| ·LVQ 算法的Matlab 实现 | 第47-48页 |
| ·网络建立 | 第47页 |
| ·网络训练 | 第47-48页 |
| ·网络测试和使用 | 第48页 |
| ·基于LVQ 算法用于语音识别的matlab 程序 | 第48-51页 |
| ·实现LVQ1 算法的matlab 程序 | 第48-51页 |
| ·LVQ2 算法的实现 | 第51页 |
| ·基于LVQ 算法的语音识别实验结果 | 第51-52页 |
| ·本章 小结 | 第52-53页 |
| 第七章 总结和展望 | 第53-55页 |
| ·总结 | 第53页 |
| ·展望 | 第53-55页 |
| 参考文献 | 第55-57页 |
| 发表论文和参加科研情况说明 | 第57-58页 |
| 一. 发表论文情况 | 第57-58页 |
| 附录 | 第58-70页 |
| 附录A：MATLAB 语音工具箱Voicebox 简介 | 第58-59页 |
| 附录B：梅尔倒谱参数提取的matlab 函数 | 第59-65页 |
| 附录C：1-NN 算法matlab 源程序 | 第65-67页 |
| 附录D：k-NN 算法matlab 源程序 | 第67-69页 |
| 附录E：VoiceBox 工具箱中kmeans 函数源程序 | 第69-70页 |
| 致谢 | 第70页 |
