基于GMM算法的说话人识别系统的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·研究背景及意义 | 第9-10页 |
| ·说话人识别介绍 | 第9-10页 |
| ·说话人识别的优势与应用前景 | 第10页 |
| ·研究进展与发展趋势 | 第10-12页 |
| ·研究历史及现状 | 第10-11页 |
| ·发展趋势及存在问题 | 第11-12页 |
| ·说话人识别的系统结构 | 第12-13页 |
| ·论文内容安排 | 第13-14页 |
| 2 语音信号的处理 | 第14-31页 |
| ·语音信号的基础知识 | 第14-16页 |
| ·语音信号的产生原理 | 第14页 |
| ·语音信号模型 | 第14-16页 |
| ·语音信号的时域分析方法 | 第16-25页 |
| ·语音信号的预处理 | 第16-19页 |
| ·过零分析 | 第19-20页 |
| ·短时能量分析 | 第20-21页 |
| ·短时平均幅度函数 | 第21-22页 |
| ·短时自相关函数 | 第22-25页 |
| ·端点检测 | 第25页 |
| ·语音信号的频域分析方法 | 第25-27页 |
| ·短时傅里叶变换 | 第25-26页 |
| ·语谱图 | 第26-27页 |
| ·特征参数提取 | 第27-29页 |
| ·线性预测系数(LPC) | 第27-28页 |
| ·线性预测倒谱系数(LPCC) | 第28页 |
| ·梅尔倒谱系数(MFCC) | 第28-29页 |
| ·特征参数的评价方法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 3 说话人识别系统模型 | 第31-42页 |
| ·模板匹配法 | 第31页 |
| ·矢量量化 | 第31-33页 |
| ·基本理论 | 第31-32页 |
| ·常用的失真测度 | 第32-33页 |
| ·隐马尔科夫模型 | 第33-37页 |
| ·HMM基本思想 | 第33-34页 |
| ·HMM基本算法及模型 | 第34-37页 |
| ·动态时间规整模型 | 第37-38页 |
| ·DTW基本原理 | 第37-38页 |
| ·模板训练算法 | 第38页 |
| ·人工神经网络模型 | 第38-41页 |
| ·基本理论 | 第38-39页 |
| ·BP网络模型 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 4 GMM算法应用于说话人识别系统 | 第42-47页 |
| ·高斯混合模型简介 | 第42页 |
| ·GMM在说话人识别中的具体应用 | 第42-43页 |
| ·GMM在说话人辨认中的应用 | 第42-43页 |
| ·GMM在说话人确认中的应用 | 第43页 |
| ·GMM模型训练方法 | 第43-46页 |
| ·最大似然估计法 | 第43-44页 |
| ·EM 算法 | 第44-45页 |
| ·MAP自适应法 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 5 基于GMM算法说话人识别系统实现与实验结果 | 第47-60页 |
| ·引言 | 第47页 |
| ·说话人识别系统实验平台 | 第47-59页 |
| ·操作平台 | 第47页 |
| ·系统功能实现 | 第47-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66-67页 |
