首页--工业技术论文--无线电电子学、电信技术论文--通信论文--电声技术和语音信号处理论文--语音信号处理论文--语音识别与设备论文

基于听觉感知与张量模型的鲁棒语音特征提取方法研究

摘要第1-7页
ABSTRACT(英文摘要)第7-13页
主要符号对照表第13-14页
第一章 绪论第14-27页
   ·引言第14页
   ·语音信号处理的发展与现状第14-16页
   ·语音信号特征提取与识别技术简介第16-24页
     ·语音特征提取与识别框架第16-17页
     ·语音识别第17-20页
       ·隐马尔科夫模型第18-20页
       ·语言模型第20页
     ·说话人识别第20-24页
       ·高斯混合模型第20-22页
       ·GMM-UBM模型第22-24页
   ·目前存在的问题和所面临的挑战第24-25页
   ·本文研究内容及组织结构第25-27页
     ·本文的研究目的第25页
     ·本文的研究内容第25页
     ·本文的组织结构第25-27页
第二章 复杂环境下语音特征提取技术概述第27-44页
   ·语音信号特征参数第27-29页
     ·线性预测分析第27-28页
     ·基于听觉特性的特征系数第28-29页
   ·特征补偿与正则化技术第29-31页
   ·模型补偿第31-32页
   ·基于变换域的语音特征第32-33页
   ·单声道语音增强第33-39页
     ·谱减(Spectral Substraction)第33-34页
     ·子带滤波方法第34-35页
     ·子空间方法第35-36页
     ·Kalman滤波第36-38页
     ·Wiener滤波第38-39页
     ·小波变换第39页
   ·多通道语音增强第39-43页
     ·自适应波束形成器第40-41页
     ·盲信号分离技术第41-43页
   ·本章小结第43-44页
第三章 基于皮层表征模型和张量分解的鲁棒语音识别第44-76页
   ·张量代数概述第44-52页
     ·定义与运算第46-49页
     ·张量分解第49-52页
       ·PARAFAC分解模型第50页
       ·Tucker分解模型第50-51页
       ·非负张量分解模型第51-52页
   ·非负张量主分量分析第52-58页
     ·非负稀疏主分量分析第52-53页
     ·非负张量主分量分析算法第53-56页
     ·时间复杂度分析第56页
     ·收敛性分析第56-58页
   ·基于皮层表征模型的语音特征提取第58-66页
     ·基于Gabor函数的皮层表征第58-60页
     ·多线性张量分析与稀疏约束第60-65页
     ·特征提取框架第65-66页
   ·实验结果分析与讨论第66-75页
     ·Grid数据集实验结果与分析第66-69页
       ·Grid数据集第66-67页
       ·实验设置第67页
       ·结果分析第67-69页
     ·Aurora2数据集实验结果与分析第69-71页
       ·Aurora2数据集第69-70页
       ·实验设置第70页
       ·结果分析第70-71页
     ·讨论第71-75页
   ·本章小结第75-76页
第四章 基于外围听觉模型与独立子空间分析的说话人识别第76-92页
   ·独立子空间分析第76-79页
   ·基于外围听觉系统模型的语音特征提取第79-86页
     ·外围听觉系统的生理结构第79页
     ·基于耳蜗能量谱的听觉特征第79-82页
     ·独立子空间分析与特征变换第82-85页
     ·特征提取框架第85-86页
   ·实验结果分析第86-90页
     ·实验数据集与实验设置第86页
     ·特征对比第86-88页
     ·结果分析第88-90页
   ·本章小结第90-92页
第五章 基于听觉感知与稀疏张量分解模型的鲁棒说话人识别第92-125页
   ·约束非负张量分解算法第92-98页
     ·非负矩阵分解第92-94页
     ·基于正交和非平滑约束的非负张量分解算法第94-98页
   ·基于稀疏张量耳蜗能量谱的说话人识别第98-104页
     ·稀疏张量耳蜗能量谱特征第98-101页
     ·实验结果分析第101-104页
       ·ANTF特征实验结果第101-102页
       ·ANTCC特征实验结果第102-104页
   ·基于稀疏皮层表征模型的说话人识别第104-111页
     ·稀疏张量皮层表征第105-107页
     ·实验设置第107-109页
     ·实验结果分析第109-111页
     ·讨论第111页
   ·算法验证平台设计与实现第111-123页
     ·系统设计第112-113页
       ·总体框架第112页
       ·工作模式第112-113页
     ·系统实现第113-120页
       ·视听觉信号采集第113-114页
       ·信号预处理第114-115页
       ·声源定位第115-116页
       ·人脸检测与识别第116-118页
       ·多模态追踪与定位策略第118页
       ·孤立词识别与说话人识别第118-120页
     ·说话人身份识别实验分析与讨论第120-123页
   ·本章小结第123-125页
第六章 总结与展望第125-128页
   ·本文的主要工作和创新点第125-126页
   ·工作展望第126-128页
参考文献第128-142页
致谢第142-143页
个人简历、在学期间的研究成果及发表的论文第143-144页

论文共144页,点击 下载论文
上一篇:空间非合作目标自主随动跟踪与控制研究
下一篇:基于细胞和群落特征的湖泊水华预警因子研究