噪声环境下基于个性特征的说话人识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-9页 |
| 第1章 绪论 | 第9-14页 |
| ·说话人识别的研究背景及发展现状 | 第9-10页 |
| ·说话人识别面临的问题 | 第10-11页 |
| ·本论文主要研究内容 | 第11-12页 |
| ·论文框架结构 | 第12-14页 |
| 第2章 说话人识别系统概述 | 第14-20页 |
| ·说话人识别的基本原理 | 第14-18页 |
| ·语音信号的数字化和预处理 | 第15-16页 |
| ·特征提取 | 第16-17页 |
| ·识别模型 | 第17-18页 |
| ·说话人识别的分类 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 Hilbert-Huang 变换基本原理 | 第20-26页 |
| ·HILBERT-HUANG变换 | 第20-25页 |
| ·经验模态分解（EMD） | 第21-23页 |
| ·瞬时频率 | 第23页 |
| ·Hilbert 谱 | 第23-25页 |
| ·EMD 的边缘效应 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第4章 支持向量机（SVM） | 第26-38页 |
| ·SVM 理论基础结构 | 第26页 |
| ·机器学习的问题和方法 | 第26-31页 |
| ·统计学习理论 | 第27-28页 |
| ·学习过程的一致性 | 第28-29页 |
| ·VC 维 | 第29-30页 |
| ·推广的界 | 第30-31页 |
| ·结构风险最小化 | 第31-32页 |
| ·SVM 基本思想 | 第32-37页 |
| ·支持向量机 | 第32-35页 |
| ·多类分类 SVM 问题 | 第35-36页 |
| ·支持向量机理论的难点 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第5章 噪声环境下的语音端点检测 | 第38-50页 |
| ·语音端点检测 | 第38-41页 |
| ·带噪语音 EMD 分解 | 第41-46页 |
| ·IMF 分量的提取与研究 | 第41-45页 |
| ·IMF 分量的均值方差 | 第45-46页 |
| ·基于 EMD 的带噪语音端点检测 | 第46-48页 |
| ·EMD+双门限端点检测 | 第46-47页 |
| ·端点检测实验 | 第47-48页 |
| ·本章小结 | 第48-50页 |
| 第6章 噪声环境下基于个性特征的说话人识别 | 第50-64页 |
| ·语音数据库 | 第51-52页 |
| ·语音信号的预处理 | 第52-53页 |
| ·带噪语音端点检测 | 第52-53页 |
| ·特征提取 | 第53-58页 |
| ·个性特征 | 第53-54页 |
| ·个性特征提取 | 第54-58页 |
| ·训练与测试阶段 | 第58-63页 |
| ·实验结果与分析 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 第7章 总结和展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 攻读学位期间所发表的论文与主要成果 | 第69-70页 |
| 致谢 | 第70页 |
