| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的研究背景 | 第11页 |
| 1.2 说话人识别概述 | 第11-14页 |
| 1.2.1 说话人识别的概念 | 第11-12页 |
| 1.2.2 说话人识别的分类 | 第12页 |
| 1.2.3 说话人识别的关键技术 | 第12-14页 |
| 1.3 说话人识别的意义及应用 | 第14-15页 |
| 1.4 说话人识别的面临的问题 | 第15-16页 |
| 1.5 论文的组织结构 | 第16-17页 |
| 第2章 语音特征参数提取 | 第17-23页 |
| 2.1 语音信号的采集 | 第17页 |
| 2.2 预处理 | 第17-19页 |
| 2.2.1 预加重 | 第17-18页 |
| 2.2.2 加窗分帧 | 第18-19页 |
| 2.3 语音信号的端点检测 | 第19页 |
| 2.4 语音特征参数提取 | 第19-22页 |
| 2.4.1 Mel频率倒谱系数(MFCC) | 第20-21页 |
| 2.4.2 MFCC提取方法 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 高斯混合模型及其算法的研究 | 第23-35页 |
| 3.1 高斯混合模型的基本原理 | 第23-24页 |
| 3.2 高斯混合模型的参数估计 | 第24-29页 |
| 3.2.1 EM算法 | 第25页 |
| 3.2.2 MEL算法 | 第25-26页 |
| 3.2.3 EM算法训练GMM | 第26-29页 |
| 3.3 GMM模型初始化 | 第29-32页 |
| 3.3.1 传统K-means算法 | 第30-31页 |
| 3.3.2 改进的K-means算法 | 第31-32页 |
| 3.4 高斯混合模型的识别方法 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 GMM-SVM的说话人识别系统及其设计 | 第35-49页 |
| 4.1 SVM理论基础 | 第35-41页 |
| 4.1.1 线性SVM | 第35-39页 |
| 4.1.2 非线性SVM | 第39-41页 |
| 4.2 SVM的实现与输出 | 第41-44页 |
| 4.2.1 SVM的实现 | 第42页 |
| 4.2.2 SVM的输出 | 第42-44页 |
| 4.3 SVM多分类方法 | 第44-45页 |
| 4.4 GMM-SVM混合模型设计 | 第45-48页 |
| 4.4.1 GMM与SVM模型的比较 | 第45-46页 |
| 4.4.2 GMM-SVM模型的混合设计 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 GMM-SVM说话人识别系统的实现与实验结果 | 第49-63页 |
| 5.1 本课题所要解决的问题及实验环境 | 第49页 |
| 5.1.1 本课题需要解决的问题 | 第49页 |
| 5.1.2 实验环境 | 第49页 |
| 5.2 系统功能介绍 | 第49-52页 |
| 5.3 说话人识别系统的算法实现 | 第52-56页 |
| 5.3.1 语音信号的预处理 | 第52-53页 |
| 5.3.2 特征参数的提取 | 第53-56页 |
| 5.4 说话人识别系统的性能分析 | 第56-59页 |
| 5.4.1 语音测试时长对识别率的影响 | 第56-57页 |
| 5.4.2 GMM混合阶数对识别结果的影响 | 第57页 |
| 5.4.3 改进的K-means算法对说话人识别结果的影响 | 第57-59页 |
| 5.5 基于GMM-SVM的说话人识别系统的性能分析 | 第59-62页 |
| 5.6 本章小结 | 第62-63页 |
| 第6章 结论 | 第63-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69页 |
