基于统计模型的说话人识别研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-20页 |
| ·课题研究背景及意义 | 第11页 |
| ·语音识别概述 | 第11-13页 |
| ·语音识别的基本概念及分类 | 第11-12页 |
| ·语音识别的发展历史 | 第12-13页 |
| ·说话人识别概述 | 第13-18页 |
| ·说话人识别的研究历史 | 第13-14页 |
| ·说话人识别的研究现状及发展趋势 | 第14-15页 |
| ·说话人识别的应用前景 | 第15-16页 |
| ·说话人识别的分类及系统结构 | 第16-18页 |
| ·论文主要成果 | 第18页 |
| ·论文章节安排 | 第18-20页 |
| 第二章 语音信号的特征参数 | 第20-29页 |
| ·声音的产生与感知机理 | 第20-22页 |
| ·语音发音系统 | 第20页 |
| ·语音感知系统 | 第20-22页 |
| ·特征参数 | 第22-28页 |
| ·语音信号的预处理 | 第22-24页 |
| ·语音信号常用的特征参数 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 语音模型 | 第29-35页 |
| ·高斯混合模型（GMM）的基本概念 | 第29-31页 |
| ·高斯混合模型的参数估计 | 第31-34页 |
| ·期望最大化（EM）算法 | 第31-33页 |
| ·高斯混合模型各参数估计过程 | 第33-34页 |
| ·本章总结 | 第34-35页 |
| 第四章 基于高斯混合模型的说话人识别系统 | 第35-48页 |
| ·训练模块 | 第36-41页 |
| ·端点检测 | 第36-37页 |
| ·梅尔频率倒谱系数(MFCC) | 第37-38页 |
| ·语音模型 | 第38-41页 |
| ·测试模块 | 第41-42页 |
| ·最大似然分类器 | 第41-42页 |
| ·实验结果及分析 | 第42-47页 |
| ·不同GMM 模型分量个数的实验 | 第42-43页 |
| ·不同长度的训练语音数据实验 | 第43-45页 |
| ·特征参数对说话人识别结果影响的实验 | 第45页 |
| ·基于GMM 和UBM-GMM 模型的对比实验 | 第45-47页 |
| ·本章总结 | 第47-48页 |
| 第五章 基于高斯混合模型的音乐信号处理 | 第48-77页 |
| ·流行音乐中歌唱部分数据和伴奏部分数据的分离 | 第49-62页 |
| ·训练模块 | 第50-55页 |
| ·测试模块 | 第55-56页 |
| ·实验结果及分析 | 第56-61页 |
| ·回放音乐数据中的歌唱部分数据 | 第61-62页 |
| ·歌唱家识别 | 第62-76页 |
| ·系统结构和模型 | 第62-67页 |
| ·系统设计与实现 | 第67-76页 |
| ·本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| ·总结 | 第77-78页 |
| ·展望 | 第78-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 个人简介和攻读硕士期间的成果 | 第84-85页 |
