基于支持向量机的说话人识别系统研究
| 中文摘要 | 第1页 |
| ABSTRACT | 第3-6页 |
| 第一章 绪论 | 第6-11页 |
| ·机器学习理论 | 第6-7页 |
| ·说话人识别 | 第7-8页 |
| ·说话人识别简介 | 第7-8页 |
| ·说话人识别的系统结构 | 第8页 |
| ·说话人识别的方法比较 | 第8页 |
| ·本论文所做的工作 | 第8-9页 |
| ·选题意义 | 第9-11页 |
| 第二章 基于统计学习理论的支持向量机算法分析 | 第11-25页 |
| ·机器学习问题 | 第11-13页 |
| ·机器学习问题的表示 | 第11-12页 |
| ·经验风险最小化 | 第12-13页 |
| ·复杂性与推广能力 | 第13页 |
| ·统计学习理论 | 第13-16页 |
| ·VC维 | 第14-15页 |
| ·推广性的界 | 第15页 |
| ·结构风险最小化原理 | 第15-16页 |
| ·支持向量机 | 第16-21页 |
| ·线性条件下的支持向量机最优分界面 | 第16-18页 |
| ·特征映射法解决非线性判别分类问题 | 第18-20页 |
| ·主要核函数 | 第20-21页 |
| ·基于SVM的人工数据测试 | 第21-25页 |
| 第三章 语音信号预处理的相关技术及实现 | 第25-38页 |
| ·语音的产生 | 第25-26页 |
| ·语音的产生机理 | 第25页 |
| ·语音信号生成的数学模型 | 第25-26页 |
| ·语音信号采集 | 第26-30页 |
| ·基于WINDOWS的语音信号采集 | 第27-29页 |
| ·WAVE文件格式剖析 | 第29-30页 |
| ·语音信号预处理 | 第30-33页 |
| ·预加重 | 第31页 |
| ·加窗分帧 | 第31-33页 |
| ·语音信号端点检测 | 第33-38页 |
| ·短时能量与过零率 | 第33-35页 |
| ·端点检测的流程 | 第35-36页 |
| ·语音端点检测的编程实现 | 第36-38页 |
| 第四章 语音特征参数的提取 | 第38-47页 |
| ·LPCC的提取过程 | 第38-43页 |
| ·MFCC的提取过程 | 第43-47页 |
| 第五章 系统设计与实现 | 第47-61页 |
| ·语音样本录制 | 第47-48页 |
| ·MFCC及其一阶差分参数的提取 | 第48-51页 |
| ·基于DTW的说话人辨认系统 | 第51-55页 |
| ·系统实现 | 第51-53页 |
| ·实验及结果 | 第53-55页 |
| ·基于SVM的说话人辨认系统 | 第55-61页 |
| ·系统实现 | 第56-57页 |
| ·实验及结果 | 第57-61页 |
| 第六章 结束语 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表的学术论文和参加科研情况 | 第67页 |
