| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-15页 |
| §1.1 拒识的意义及发展历史 | 第11-12页 |
| ·拒识的意义 | 第11页 |
| ·拒识的发展历史 | 第11-12页 |
| §1.2 说话人识别的意义及发展历史 | 第12-14页 |
| ·说话人识别的意义 | 第12页 |
| ·说话人识别的发展历史 | 第12-13页 |
| ·统计学习理论 | 第13-14页 |
| §1.3 课题主要工作和论文结构安排 | 第14-15页 |
| ·课题主要工作 | 第14页 |
| ·论文结构安排 | 第14-15页 |
| 第二章 小词表孤立词语音识别系统 | 第15-32页 |
| §2.1 语音识别系统框图及预处理 | 第15-19页 |
| ·语音识别分类及孤立词识别系统框图 | 第15页 |
| ·分帧加窗 | 第15-16页 |
| ·端点检测 | 第16-19页 |
| §2.2 特征提取及模式匹配 | 第19-22页 |
| ·特征提取 | 第19-21页 |
| ·模型训练及模式匹配 | 第21-22页 |
| §2.3 HMM基本思想 | 第22-24页 |
| ·HMM基本概念 | 第22页 |
| ·HMM定义 | 第22-23页 |
| ·HMM分类 | 第23-24页 |
| §2.4 HMM训练 | 第24-31页 |
| ·HMM结构选择 | 第24页 |
| ·HMM训练 | 第24-28页 |
| ·训练过程中遇到的一些问题 | 第28-31页 |
| §2.5 本章小结 | 第31-32页 |
| 第三章 以相邻后验概率差值为特征的MLP拒识算法 | 第32-40页 |
| §3.1 拒识和多层感知神经网络 | 第32-34页 |
| ·拒识 | 第32页 |
| ·本文提出拒识算法的出发点 | 第32-33页 |
| ·多层感知人工神经网络(MLP) | 第33-34页 |
| §3.2 以相邻后验概率差值为特征的MLP拒识算法 | 第34-37页 |
| ·拒识原理 | 第34-36页 |
| ·拒识过程及模型参数初始化 | 第36-37页 |
| ·性能评价方式 | 第37页 |
| §3.3 实验 | 第37-39页 |
| ·实验环境 | 第37页 |
| ·推广能力与过学习问题 | 第37-38页 |
| ·隐层神经元数大小对MLP性能的影响 | 第38-39页 |
| ·与另外两种拒识方法的性能比较 | 第39页 |
| §3.4 本章小结 | 第39-40页 |
| 第四章 基于支持向量机的说话人识别 | 第40-57页 |
| §4.1 支持向量机 | 第40-44页 |
| ·统计学习理论 | 第40页 |
| ·广义最优分类面 | 第40-42页 |
| ·支持向量机 | 第42-43页 |
| ·核函数 | 第43-44页 |
| §4.2 SVM训练——SMO算法 | 第44-48页 |
| ·现有SVM训练算法 | 第44-45页 |
| ·SMO算法流程及要解决的主要问题 | 第45-48页 |
| §4.3 SVM与VQ相结合的说话人识别系统 | 第48-50页 |
| ·说话人识别系统框图 | 第48-49页 |
| ·如何由二元分类器构建多元分类器 | 第49-50页 |
| ·VQ与SVM相结合的说话人识别原理 | 第50页 |
| §4.4 实验 | 第50-56页 |
| ·实验环境 | 第50-51页 |
| ·运行画面 | 第51-53页 |
| ·SVM参数优化 | 第53-55页 |
| ·VQ输出的候选说话人数不同时系统的识别性能和实时性比较 | 第55-56页 |
| §4.5 本章小结 | 第56-57页 |
| 第五章 结束语 | 第57-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-62页 |
| 作者在攻读硕士学位期间发表的论文 | 第62页 |