| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究目的和意义 | 第9-10页 |
| 1.2 国内外研究现状与分析 | 第10-14页 |
| 1.2.1 说话人确认技术的研究进展 | 第10-13页 |
| 1.2.2 基于I-vector的PLDA方法的研究进展 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14-15页 |
| 1.4 本文组织结构 | 第15-16页 |
| 第2章 基于I-VECTOR的PLDA说话人确认 | 第16-31页 |
| 2.1 引言 | 第16-17页 |
| 2.2 前端特征提取部分 | 第17-21页 |
| 2.2.1 梅尔倒谱系数 | 第17-19页 |
| 2.2.2 高斯混合模型特征提取 | 第19-21页 |
| 2.3 总变化空间估计 | 第21-23页 |
| 2.4 LDA信道补偿 | 第23页 |
| 2.5 I-VECTOR长度规整 | 第23-25页 |
| 2.6 概率线性判别分析模型 | 第25-28页 |
| 2.6.1 概率线性判别分析模型训练 | 第25-27页 |
| 2.6.2 PLDA模型打分 | 第27-28页 |
| 2.7 实验平台与数据库 | 第28-30页 |
| 2.7.1 实验平台 | 第28页 |
| 2.7.2 实验数据库 | 第28-29页 |
| 2.7.3 评价指标 | 第29-30页 |
| 2.8 本章小结 | 第30-31页 |
| 第3章 基于KL-DN的I-VECTOR特征规整 | 第31-47页 |
| 3.1 引言 | 第31-33页 |
| 3.2 KL-DN模型转化函数 | 第33-34页 |
| 3.2.1 非线性变换函数 | 第33页 |
| 3.2.2 白化变换 | 第33-34页 |
| 3.3 KL-DN优化函数 | 第34-38页 |
| 3.3.1 互信息优化函数 | 第34-35页 |
| 3.3.2 KL散度优化函数 | 第35-38页 |
| 3.4 KL-DN模型训练 | 第38-39页 |
| 3.5 实验与分析 | 第39-45页 |
| 3.5.1 实验数据与设置 | 第39-40页 |
| 3.5.2 优化函数有效性分析 | 第40-41页 |
| 3.5.3 转化函数有效性分析 | 第41-45页 |
| 3.6 本章小结 | 第45-47页 |
| 第4章 基于G-RBIG的I-VECTOR特征规整 | 第47-60页 |
| 4.1 引言 | 第47页 |
| 4.2 基于G-RBIG的I-VECTOR高斯规整方法 | 第47-53页 |
| 4.2.1 边缘高斯化 | 第48-50页 |
| 4.2.2 特征旋转矩阵 | 第50-53页 |
| 4.3 G-RBIG收敛性分析 | 第53页 |
| 4.4 实验与分析 | 第53-59页 |
| 4.4.1 实验数据及设置 | 第53-54页 |
| 4.4.2 G-RBIG迭代次数分析 | 第54-55页 |
| 4.4.3 G-RBIG实验结果分析 | 第55-59页 |
| 4.5 本章小结 | 第59-60页 |
| 结论 | 第60-61页 |
| 参考文献 | 第61-68页 |
| 致谢 | 第68页 |
