与文本无关的语种识别技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-20页 |
| ·语种识别技术概括 | 第11-12页 |
| ·语种识别的发展及应用 | 第12-14页 |
| ·语种识别的研究方法 | 第14-16页 |
| ·基于音素事件及序列的语音学方法 | 第15页 |
| ·基于声学特征的方法 | 第15-16页 |
| ·语种识别的研究难点 | 第16-17页 |
| ·研究目的、研究方法和研究内容 | 第17-20页 |
| ·研究目的 | 第17页 |
| ·研究方法和技术路线 | 第17-18页 |
| ·本文的主要工作 | 第18-20页 |
| 第二章 主流语种识别的前端处理和方法概括 | 第20-35页 |
| ·语音的产生 | 第20-21页 |
| ·语音的声学特征 | 第21-23页 |
| ·声学模型 | 第23-26页 |
| ·语音信号的产生模型 | 第23页 |
| ·激励模型 | 第23-24页 |
| ·声道模型 | 第24-25页 |
| ·辐射模型 | 第25页 |
| ·同态解卷积 | 第25-26页 |
| ·文本无关语种匹配模型 | 第26-30页 |
| ·矢量量化技术 | 第26-27页 |
| ·离散/连续各态历经 | 第27-28页 |
| ·混合高斯分布模型 | 第28-30页 |
| ·支持向量机 | 第30-34页 |
| ·SVM 基本原理 | 第30-32页 |
| ·SVM 分类机 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 特征参数的提取 | 第35-49页 |
| ·语音信号的数字化 | 第35-36页 |
| ·预处理 | 第36-41页 |
| ·预加重 | 第36-37页 |
| ·加窗分帧 | 第37-39页 |
| ·端点检测 | 第39-41页 |
| ·特征参数的提取 | 第41-48页 |
| ·LPCC | 第42-43页 |
| ·LPCC 的应用 | 第43-44页 |
| ·MFCC | 第44-46页 |
| ·MFCC 的应用 | 第46-47页 |
| ·LPCCMCC | 第47页 |
| ·LPCCMCC 的应用 | 第47-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 基于 LAC-LPP 算法的语种识别 | 第49-70页 |
| ·流形学习的基本概念 | 第49-52页 |
| ·主分量分析法 | 第52-57页 |
| ·PCA 的理论和原理 | 第52-56页 |
| ·PCA 的应用 | 第56-57页 |
| ·拉普拉斯本征映射在语种识别中的应用 | 第57-63页 |
| ·语音信号的非线性结构 | 第57-59页 |
| ·拉普拉斯本征映射 | 第59-61页 |
| ·局部保距投影 | 第61-63页 |
| ·基于语种类别属性约束的局部保距投影 | 第63-67页 |
| ·LAC‐LPP 基本原理 | 第63页 |
| ·LAC‐LPP 算法的数学推导 | 第63-66页 |
| ·LAC‐LPP 的应用 | 第66-67页 |
| ·分类器设计 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 第五章 与文本无关的语种识别系统实验和分析 | 第70-79页 |
| ·语音数据库 | 第70页 |
| ·系统性能评估指标 | 第70-71页 |
| ·基于 SVM 的语种识别 | 第71-73页 |
| ·实验结果 | 第72页 |
| ·SVM 分类器所面临的问题 | 第72-73页 |
| ·基于流形学习的语种识别 | 第73-77页 |
| ·实验流程 | 第73-74页 |
| ·实验分析 | 第74-77页 |
| ·本章小结 | 第77-79页 |
| 第六章 总结和展望 | 第79-81页 |
| ·总结 | 第79页 |
| ·展望 | 第79-81页 |
| 致谢 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 攻硕期间取得的研究成果 | 第85-86页 |
