基于非重构压缩采样的抗噪说话人识别技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 专用术语注释表 | 第9-10页 |
| 第一章 绪论 | 第10-17页 |
| ·引言 | 第10-11页 |
| ·说话人识别技术 | 第11-15页 |
| ·说话人识别的发展历程 | 第12-13页 |
| ·说话人识别中的问题 | 第13-14页 |
| ·说话人识别的应用 | 第14-15页 |
| ·基于CS的说话人识别技术研究现状 | 第15页 |
| ·论文内容和结构安排 | 第15-17页 |
| 第二章 说话人识别技术与压缩感知理论 | 第17-37页 |
| ·说话人识别原理 | 第17页 |
| ·语音预处理 | 第17-20页 |
| ·特征参数提取 | 第20-24页 |
| ·说话人识别模型 | 第24-28页 |
| ·矢量量化模型（VQ） | 第24-25页 |
| ·隐马尔科夫模型（HMM） | 第25页 |
| ·高斯混合模型（GMM） | 第25-27页 |
| ·支持向量机（SVM） | 第27-28页 |
| ·说话人识别性能评价 | 第28-29页 |
| ·压缩感知基本理论 | 第29-35页 |
| ·语音信号的稀疏性 | 第30-32页 |
| ·观测矩阵的选取 | 第32-35页 |
| ·基于CS的识别系统框架 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于压缩感知的增强型特征参数研究 | 第37-53页 |
| ·引言 | 第37页 |
| ·基于CS的增强型识别系统 | 第37-38页 |
| ·有噪环境下基于CS的说话人识别 | 第38-47页 |
| ·行阶梯观测矩阵 | 第39-41页 |
| ·基于谱减法的特征提取 | 第41-43页 |
| ·基于小波阈值去噪法的特征提取 | 第43-47页 |
| ·实验结果与分析 | 第47-51页 |
| ·实验一：压缩比与识别率的关系 | 第47-48页 |
| ·实验二：帧长对识别率的影响 | 第48-49页 |
| ·实验三：有噪环境下输出信噪比对比 | 第49-50页 |
| ·实验四：有噪环境下特征参数性能对比 | 第50-51页 |
| ·本章小结 | 第51-53页 |
| 第四章 基于压缩感知信息融合的说话人识别系统 | 第53-69页 |
| ·引言 | 第53-54页 |
| ·基于CS的基音特征提取 | 第54-57页 |
| ·基于CS的倒谱特征提取 | 第57页 |
| ·两种特征信息融合方法研究 | 第57-63页 |
| ·匹配分数线性融合的具体过程 | 第58-59页 |
| ·固定权重融合方法 | 第59-60页 |
| ·动态权重融合方法 | 第60-62页 |
| ·有噪环境下信息融合的说话人识别系统 | 第62-63页 |
| ·实验结果及分析 | 第63-67页 |
| ·实验一：单一特征识别率 | 第63-65页 |
| ·实验二：特征融合后的识别率 | 第65-66页 |
| ·实验三：噪声环境下融合系统识别效果 | 第66-67页 |
| ·本章小结 | 第67-69页 |
| 第五章 总结与展望 | 第69-71页 |
| ·论文总结 | 第69-70页 |
| ·工作展望 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第75-76页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第76-77页 |
| 致谢 | 第77页 |
