| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 引言 | 第10-20页 |
| ·生物认证 | 第10-12页 |
| ·自动说话人识别 | 第12-13页 |
| ·手持设备上说话人识别的难点 | 第13-15页 |
| ·PC平台与PDA实验平台 | 第15-16页 |
| ·市面上现有的说话人识别系统 | 第16页 |
| ·国内外嵌入式说话人识别进展 | 第16-17页 |
| ·面向手持设备的说话人识别平台算法研究 | 第17-18页 |
| ·论文组织结构 | 第18-20页 |
| 第二章 PDA上说话人识别系统的架构以及快速实现方案 | 第20-30页 |
| ·PDA上说话人识别系统概要 | 第20-24页 |
| ·系统简介 | 第20页 |
| ·预处理及特征提取 | 第20-22页 |
| ·特征提取 | 第22-23页 |
| ·模型介绍 | 第23-24页 |
| ·模型自学习 | 第24页 |
| ·说话人系统的快速实现方案 | 第24-29页 |
| ·PDA与台式机的性能差异 | 第24-25页 |
| ·浮点数转化成定点数 | 第25-26页 |
| ·计算预处理 | 第26-27页 |
| ·数学快速近似计算 | 第27-29页 |
| ·快速实现的效果 | 第29页 |
| ·小结 | 第29-30页 |
| 第三章 说话人特征提取的评估及筛选 | 第30-37页 |
| ·说话人特征提取介绍 | 第30-33页 |
| ·LPCC特征 | 第30-32页 |
| ·MFCC特征 | 第32-33页 |
| ·特征各维分量的评价与补偿 | 第33-36页 |
| ·特征分量重要性评价 | 第34-35页 |
| ·特征分量重要性评价实验结果及分析 | 第35页 |
| ·特征的筛选以及实验结果 | 第35-36页 |
| ·小结 | 第36-37页 |
| 第四章 说话人模型快速搜索及说话人确认策略 | 第37-56页 |
| ·模型简介 | 第37-38页 |
| ·模板模型 | 第37页 |
| ·随机模型 | 第37-38页 |
| ·PCA模型 | 第38页 |
| ·GMM模型详细介绍 | 第38-40页 |
| ·PCA模型详细介绍 | 第40-45页 |
| ·主成分分析 | 第40页 |
| ·PCA分类器 | 第40-44页 |
| ·PCA分类器与GMM模型的复杂度对比分析 | 第44页 |
| ·PCA模型与GMM模型实验性能对比 | 第44-45页 |
| ·说话人模型快速搜索方案 | 第45-50页 |
| ·基于说话人聚类的分类说话人鉴别 | 第45-49页 |
| ·基于权重系数调整的简化GMM-UBM模型 | 第49-50页 |
| ·说话人确认策略 | 第50-54页 |
| ·模型得分 | 第50-52页 |
| ·说话人确认得分归一化 | 第52页 |
| ·基于说话人聚类的Cohort集 | 第52页 |
| ·基于最小错误数的系数搜索算法 | 第52-54页 |
| ·说话人确认实验分析 | 第54页 |
| ·小结 | 第54-56页 |
| 第五章 说话人模型自学习 | 第56-69页 |
| ·引言 | 第56-57页 |
| ·PCA模型的自学习 | 第57-62页 |
| ·Wladyslaw Skarbek的PCAmerge算法 | 第57页 |
| ·PAM算法 | 第57-60页 |
| ·PAM与PCA Merge算法等价性证明 | 第60-61页 |
| ·PAM算法的时空复杂度 | 第61-62页 |
| ·GMM模型的自学习 | 第62-67页 |
| ·EM算法简介 | 第63页 |
| ·AGMMA算法 | 第63-66页 |
| ·其它GMM自学习算法 | 第66-67页 |
| ·自学习效果实验及分析 | 第67-68页 |
| ·小结 | 第68-69页 |
| 第六章 总结与展望 | 第69-71页 |
| 附录一 主要参考文献 | 第71-75页 |
| 附录二 论文发表情况 | 第75-76页 |
| 致谢 | 第76页 |