| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-18页 |
| ·研究背景及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·说话人分割研究现状 | 第14-15页 |
| ·说话人聚类研究现状 | 第15页 |
| ·说话人分离中存在的问题 | 第15-16页 |
| ·说话人分离系统性能评价指标 | 第16-17页 |
| ·论文研究内容与安排 | 第17-18页 |
| 第二章 基于贝叶斯信息准则的说话人分离系统及其改进 | 第18-30页 |
| ·引言 | 第18页 |
| ·说话人分离系统框架 | 第18-23页 |
| ·语音端点检测 | 第19页 |
| ·说话人转折点检测 | 第19-21页 |
| ·说话人层次聚类 | 第21-22页 |
| ·说话人重分割 | 第22-23页 |
| ·基线系统的实验结果与分析 | 第23-24页 |
| ·基于深度学习的说话人分离前端语音端点检测 | 第24-26页 |
| ·VAD实现流程 | 第24-25页 |
| ·VAD后处理 | 第25页 |
| ·实验结果与分析 | 第25-26页 |
| ·基于短时贝叶斯信息准则的说话人提纯方法 | 第26-28页 |
| ·说话人提纯 | 第26-27页 |
| ·实验结果与分析 | 第27-28页 |
| ·本章小结 | 第28-30页 |
| 第三章 基于深度学习的说话人转折点检测研究 | 第30-40页 |
| ·引言 | 第30页 |
| ·基于深度学习的转折点检测方法 | 第30-38页 |
| ·深度学习简介 | 第30-31页 |
| ·转折点检测网络训练过程 | 第31-36页 |
| ·转折点检测测试过程 | 第36-38页 |
| ·实验结果与分析 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 因子分析框架下的说话人聚类研究 | 第40-54页 |
| ·引言 | 第40页 |
| ·因子分析方法的基本概念 | 第40-41页 |
| ·说话人识别中的全差异空间建模 | 第41-44页 |
| ·全差异空间训练 | 第43-44页 |
| ·全差异空间得分计算 | 第44页 |
| ·概率线性判别分析概述 | 第44-49页 |
| ·概率线性判别分析的参数训练 | 第45-46页 |
| ·概率线性判别分析得分计算 | 第46-49页 |
| ·BIC和PLDA聚类融合系统 | 第49-51页 |
| ·实验结果与分析 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于变分贝叶斯调优的说话人聚类研究 | 第54-62页 |
| ·引言 | 第54页 |
| ·变分贝叶斯调优 | 第54-59页 |
| ·变分贝叶斯简介 | 第55-57页 |
| ·问题描述 | 第57-58页 |
| ·变分法 | 第58-59页 |
| ·算法具体流程 | 第59页 |
| ·实验结果及分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| ·论文工作总结 | 第62-63页 |
| ·进一步研究工作 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 攻读硕士学位期间发表的论文和参与的研究工作 | 第70页 |