| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.3 研究工作概述 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第2章 说话人识别理论 | 第15-25页 |
| 2.1 说话人识别概述 | 第15-18页 |
| 2.1.1 说话人识别的基本方法 | 第16-18页 |
| 2.2 GMM 说话人识别 | 第18-21页 |
| 2.2.1 高斯混合模型 | 第18-19页 |
| 2.2.2 GMM 参数估计 | 第19-20页 |
| 2.2.3 GMM 说话人识别 | 第20-21页 |
| 2.3 GMM-SVM 说话人识别 | 第21-25页 |
| 2.3.1 基于 GMM-SVM 的说话人识别算法 | 第23-25页 |
| 第3章 基于特征弯折的特征级信道鲁棒性算法研究 | 第25-35页 |
| 3.1 特征级信道鲁棒性算法 | 第25-27页 |
| 3.1.1 倒谱均值减 | 第25页 |
| 3.1.2 倒谱方差归一化 | 第25-26页 |
| 3.1.3 特征映射 | 第26页 |
| 3.1.4 特征弯折 | 第26-27页 |
| 3.2 基于特征弯折的信道补偿算法 | 第27-30页 |
| 3.3 基于特征弯折的 GMM-SVM 说话人识别 | 第30-31页 |
| 3.4 实验结果与分析 | 第31-35页 |
| 3.4.1 实验结果对比 | 第32-33页 |
| 3.4.2 分析及结论 | 第33-35页 |
| 第4章 基于因子分析的模型级信道补偿算法研究 | 第35-50页 |
| 4.1 模型级信道补偿 | 第35-41页 |
| 4.1.1 冗余属性映射 | 第36页 |
| 4.1.2 说话人模型合成 | 第36-38页 |
| 4.1.3 基于鉴别性向量的信道补偿 | 第38-39页 |
| 4.1.4 基于因子分析的信道补偿 | 第39-41页 |
| 4.2 基于因子分析的信道补偿算法 | 第41-45页 |
| 4.2.1 因子分析模型 | 第42-43页 |
| 4.2.2 因子分析算法 | 第43-45页 |
| 4.3 基于因子分析的 GMM-SVM 说话人识别 | 第45-46页 |
| 4.4 实验结果与分析 | 第46-50页 |
| 第5章 总结与展望 | 第50-52页 |
| 5.1 工作总结 | 第50-51页 |
| 5.2 研究展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 作者简介及在学期间所取得的科研成果 | 第55-56页 |
| 致谢 | 第56页 |
