| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-25页 |
| 1.1 论文背景及研究意义 | 第12-13页 |
| 1.2 说话人自适应简介 | 第13-17页 |
| 1.2.1 声学特征 | 第13页 |
| 1.2.2 声学模型 | 第13-16页 |
| 1.2.3 说话人自适应 | 第16-17页 |
| 1.3 说话人自适应研究现状 | 第17-22页 |
| 1.3.1 特征空间自适应 | 第18-21页 |
| 1.3.2 添加辅助信息的自适应 | 第21页 |
| 1.3.3 模型空间自适应 | 第21-22页 |
| 1.4 论文主要内容及组织安排 | 第22-25页 |
| 第二章 深度神经网络自适应方法 | 第25-35页 |
| 2.1 引言 | 第25页 |
| 2.2 基于DNN-HMM的语音识别 | 第25-27页 |
| 2.3 基于i-vector的说话人自适应 | 第27-31页 |
| 2.3.1 i-vector原理 | 第27-29页 |
| 2.3.2 说话人感知训练方法 | 第29-30页 |
| 2.3.3 基于i-vector的特征空间自适应方法 | 第30-31页 |
| 2.4 实验结果及分析 | 第31-34页 |
| 2.4.1 语料库简介 | 第31-32页 |
| 2.4.2 实验工具 | 第32页 |
| 2.4.3 评价指标 | 第32页 |
| 2.4.4 基线系统 | 第32-33页 |
| 2.4.5 基于i-vector的说话人感知训练 | 第33页 |
| 2.4.6 基于i-vector的特征空间自适应 | 第33-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第三章 结合SNMF及i-vector的自适应方法 | 第35-46页 |
| 3.1 引言 | 第35-36页 |
| 3.2 结合SNMF及i-vector的自适应方法 | 第36-39页 |
| 3.2.1 SNMF算法介绍 | 第36-37页 |
| 3.2.2 结合SNMF及i-vector的说话人自适应方法 | 第37-39页 |
| 3.3 实验结果及分析 | 第39-44页 |
| 3.3.1 实验准备 | 第39页 |
| 3.3.2 基线系统 | 第39-40页 |
| 3.3.3 基于SNMF的低维特征提取 | 第40-42页 |
| 3.3.4 结合SNMF及i-vector的说话人感知训练 | 第42-43页 |
| 3.3.5 结合SNMF及i-vector的特征空间自适应 | 第43-44页 |
| 3.3.6 性能分析 | 第44页 |
| 3.4 本章小结 | 第44-46页 |
| 第四章 基于改进i-vector的说话人自适应方法 | 第46-53页 |
| 4.1 引言 | 第46-47页 |
| 4.2 基于改进i-vector的说话人自适应方法 | 第47-49页 |
| 4.2.1 改进的i-vector提取方法 | 第47-48页 |
| 4.2.2 改进i-vector的说话人感知训练方法 | 第48-49页 |
| 4.3 实验结果及分析 | 第49-52页 |
| 4.3.1 基线系统 | 第49-50页 |
| 4.3.2 基于SVD的低维特征提取法 | 第50-51页 |
| 4.3.3 基于改进i-vector的说话人自适应方法 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 第五章 基于说话人嵌入特征的自适应方法 | 第53-59页 |
| 5.1 引言 | 第53页 |
| 5.2 基于说话人嵌入特征的自适应方法 | 第53-55页 |
| 5.2.1 说话人嵌入特征 | 第53-54页 |
| 5.2.2 基于说话人嵌入特征的说话人自适应方法 | 第54-55页 |
| 5.3 实验结果及分析 | 第55-58页 |
| 5.3.1 语料库简介 | 第55页 |
| 5.3.2 实验工具 | 第55页 |
| 5.3.3 评价指标 | 第55页 |
| 5.3.4 基线系统 | 第55-56页 |
| 5.3.5 实验设置与结果分析 | 第56-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 论文总结 | 第59-60页 |
| 6.2 下一步工作 | 第60-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-70页 |
| 作者简历 | 第70页 |
