| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 第一章 绪论 | 第11-15页 |
| ·课题背景 | 第11-12页 |
| ·基于语音的身份识别系统研究的意义 | 第11-12页 |
| ·课题背景 | 第12页 |
| ·说话人识别技术的发展历史及研究现状 | 第12-14页 |
| ·说话人识别技术的发展历史 | 第12-13页 |
| ·说话人识别技术的应用现状 | 第13-14页 |
| ·本文的主要研究内容 | 第14-15页 |
| 第二章 说话人识别技术简介 | 第15-24页 |
| ·说话人识别技术的生理学依据 | 第15-16页 |
| ·说话人识别的分类 | 第16-17页 |
| ·说话人识别技术的原理 | 第17-19页 |
| ·说话人识别的特征参数 | 第19-20页 |
| ·说话人识别的主要方法 | 第20-22页 |
| ·说话人识别系统的性能评价 | 第22-24页 |
| 第三章 语音信号的特征分析与提取 | 第24-39页 |
| ·语音产生模型 | 第24-26页 |
| ·语音信号的采集和数字化 | 第26-27页 |
| ·语音信号的预处理 | 第27-29页 |
| ·语音信号的预加重 | 第27-28页 |
| ·加窗分帧 | 第28-29页 |
| ·特征参数的提取 | 第29-39页 |
| ·特征参数的评价方法 | 第29-30页 |
| ·主流特征 | 第30-37页 |
| ·特征提取的具体问题 | 第37-39页 |
| 第四章 说话人模型 | 第39-53页 |
| ·矢量量化模型(VQ，Vector Quantization) | 第39-46页 |
| ·概述 | 第39-40页 |
| ·矢量量化的基本原理 | 第40-41页 |
| ·VQ识别模型 | 第41-43页 |
| ·码本设计 | 第43-44页 |
| ·搜索策略 | 第44-46页 |
| ·隐马尔可夫模型 | 第46-48页 |
| ·Markov链 | 第46-47页 |
| ·HMM基本思想 | 第47-48页 |
| ·高斯混合模型(Gaussian Mixed Model，GMM) | 第48-49页 |
| ·人工神经网络(Article Neural Network，ANN)方法 | 第49-51页 |
| ·支持向量机(Support Vector Machine，SVM)模型 | 第51-52页 |
| ·基于混合模型的方法 | 第52-53页 |
| 第五章 在 PC机环境下进行说话人识别实验 | 第53-68页 |
| ·说话人发音的简单分析 | 第53-60页 |
| ·说话人识别系统的构成 | 第60-63页 |
| ·开发工具和运行环境 | 第61-62页 |
| ·系统功能模块 | 第62-63页 |
| ·说话人辨认系统算法的实现 | 第63-66页 |
| ·语音信号的预处理 | 第63-64页 |
| ·特征参数的提取 | 第64页 |
| ·训练过程 | 第64-65页 |
| ·基于 VQ的说话人识别过程 | 第65-66页 |
| ·实验及结果分析 | 第66-68页 |
| 第六章 说话人识别系统的改进 | 第68-76页 |
| ·高斯混合模型 | 第69页 |
| ·混合密度函数 | 第69页 |
| ·高斯模型 | 第69页 |
| ·高斯混合模型 | 第69页 |
| ·EM演算法 | 第69-71页 |
| ·实验结果与分析 | 第71-72页 |
| ·利用新颖检测法作模式分析 | 第72-76页 |
| 结束语 | 第76-78页 |
| 参考文献 | 第78-80页 |
| 攻读学位期间发表论文 | 第80-82页 |
| 致谢 | 第82页 |
