| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| Table of Contents | 第9-12页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 文本无关说话人识别研究及应用现状 | 第13-15页 |
| 1.3 说话人分割聚类研究及应用现状 | 第15-16页 |
| 1.4 本文主要工作 | 第16页 |
| 1.5 本文结构安排 | 第16-18页 |
| 第二章 说话人识别系统概述 | 第18-38页 |
| 2.1 引言 | 第18页 |
| 2.2 说话人识别系统的基本结构 | 第18-24页 |
| 2.2.1 分贝归一化 | 第19页 |
| 2.2.2 有效语音检测 | 第19-20页 |
| 2.2.3 特征提取 | 第20-22页 |
| 2.2.4 基于GMM-UBM的说话人识别系统 | 第22-24页 |
| 2.2.4.1 高斯混合模型(GMM) | 第22-23页 |
| 2.2.4.2 GMM-UBM框架 | 第23-24页 |
| 2.3 说话人识别中的信道鲁棒算法 | 第24-36页 |
| 2.3.1 特征域上的信道鲁棒算法 | 第25-27页 |
| 2.3.1.1 倒谱均值相减和倒谱方差归一化 | 第25页 |
| 2.3.1.2 特征弯折 | 第25-26页 |
| 2.3.1.3 特征映射 | 第26-27页 |
| 2.3.2 模型域上的信道鲁棒算法 | 第27-35页 |
| 2.3.2.1 说话人模型合成 | 第27-29页 |
| 2.3.2.2 GMM-SVM | 第29-31页 |
| 2.3.2.3 有害因子投影 | 第31-33页 |
| 2.3.2.4 联合因子分析 | 第33-35页 |
| 2.3.3 得分域上的信道鲁棒算法 | 第35-36页 |
| 2.3.3.1 ZNORM | 第35-36页 |
| 2.3.3.2 TNORM | 第36页 |
| 2.3.3.3 HNORM | 第36页 |
| 2.4 本章小结 | 第36-38页 |
| 第三章 说话人分割与聚类概述 | 第38-50页 |
| 3.1 引言 | 第38页 |
| 3.2 评价指标 | 第38-39页 |
| 3.3 说话人分割算法 | 第39-44页 |
| 3.3.1 基于距离的分割算法 | 第39-42页 |
| 3.3.1.1 BIC | 第40-41页 |
| 3.3.1.2 KL距离 | 第41页 |
| 3.3.1.3 GLR准则 | 第41-42页 |
| 3.3.2 基于模型的分割算法 | 第42-44页 |
| 3.4 说话人聚类算法 | 第44-47页 |
| 3.4.1 自底向上的说话人聚类方法 | 第45-46页 |
| 3.4.2 自顶向下的说话人聚类方法 | 第46-47页 |
| 3.5 说话人分割聚类系统框架 | 第47-48页 |
| 3.6 本章小结 | 第48-50页 |
| 第四章 NIST数据库评测 | 第50-58页 |
| 4.1 NIST数据库 | 第50-52页 |
| 4.1.1 NIST SRE数据库综述 | 第50页 |
| 4.1.2 NIST SRE主要数据库介绍 | 第50-51页 |
| 4.1.3 NIST 2004至NIST 2010评测数据 | 第51-52页 |
| 4.2 文本无关说话人识别实验及分析 | 第52-58页 |
| 4.2.1 评价指标 | 第52-54页 |
| 4.2.2 实验数据 | 第54页 |
| 4.2.3 UBM-GMM | 第54-55页 |
| 4.2.4 GMM-SVM | 第55-58页 |
| 第五章 满意度电话回访作弊排查系统 | 第58-64页 |
| 5.1 项目意义 | 第58页 |
| 5.2 方案实施 | 第58-64页 |
| 第六章 工作总结及展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |