摘要 | 第1-4页 |
Abstract | 第4-8页 |
第一章 绪论 | 第8-15页 |
·说话人识别概述 | 第8-11页 |
·说话人识别的概念和原理 | 第8-9页 |
·说话人识别的分类 | 第9-10页 |
·说话人识别发展现状及技术难点 | 第10-11页 |
·语音增强概述 | 第11-12页 |
·基于语音增强和改进特征的与文本无关说话人识别的合理性分析与探讨 | 第12-13页 |
·论文的内容安排 | 第13-15页 |
第二章 语音信号数字处理基础 | 第15-20页 |
·语音信号的预处理 | 第15-16页 |
·预加重 | 第15页 |
·分帧与加窗 | 第15-16页 |
·语音信号的时域分析 | 第16-17页 |
·短时能量及短时平均幅度分析 | 第16-17页 |
·短时平均过零率分析 | 第17页 |
·语音信号的频域分析 | 第17-18页 |
·滤波器组方法 | 第17-18页 |
·利用短时傅立叶变换求语音的短时谱 | 第18页 |
·语音信号的时频域分析 | 第18页 |
·端点检测 | 第18-19页 |
·本章小结 | 第19-20页 |
第三章 说话人识别算法的实现 | 第20-34页 |
·说话人识别特征参数的提取 | 第20-23页 |
·线性预测倒谱系数(LPCC)特征提取 | 第20-21页 |
·MEL频率倒谱参数(MFCC)特征提取 | 第21-22页 |
·倒谱参数加权和差分倒谱参数 | 第22-23页 |
·基于VQ的说话人识别 | 第23-28页 |
·矢量量化的概念 | 第23-24页 |
·矢量量化的失真测度 | 第24-25页 |
·最佳码本的设计 | 第25-27页 |
·应用VQ进行说话人识别的原理 | 第27-28页 |
·基于GMM的说话人识别 | 第28-32页 |
·GMM的基本概念 | 第28-29页 |
·GMM模型的参数估计 | 第29-30页 |
·GMM模型的识别问题 | 第30-32页 |
·系统实现及实验仿真 | 第32-33页 |
·本章小结 | 第33-34页 |
第四章 说话人识别算法的改进 | 第34-54页 |
·基于主分量分析(PCA)的说话人特征变换 | 第34-43页 |
·主分量分析简介 | 第34页 |
·特征维数选取的原则 | 第34-35页 |
·利用PCA进行特征变换 | 第35-37页 |
·实验结果与分析 | 第37-43页 |
·基于Fisher准则线性判别分析(FLDA)的说话人特征变换 | 第43-45页 |
·线性判别分析简介 | 第43-44页 |
·利用FLDA进行特征变换 | 第44页 |
·实验结果与分析 | 第44-45页 |
·基于PCA与FLDA结合的说话人特征变换 | 第45-49页 |
·PCA与FLDA结合改进说话人特征的过程 | 第45-46页 |
·实验结果与分析 | 第46-49页 |
·基于小波变换的抗噪说话人特征 | 第49-53页 |
·小波分析的基本理论 | 第49-50页 |
·小波的多尺度分析 | 第50-51页 |
·MFCC与小波结合进行参数提取 | 第51-52页 |
·离散小波变换(DWT)代替离散傅立叶变换(DCT) | 第52-53页 |
·基于小波包方法的特征提取 | 第53页 |
·本章小结 | 第53-54页 |
第五章 麦克风阵语音增强研究与改进 | 第54-67页 |
·延迟-求和波束形成 | 第54-56页 |
·自适应宽带波束形成方法 | 第56-58页 |
·宽带波束形成系统 | 第56-57页 |
·自适应宽带波束形成系统 | 第57-58页 |
·小波分析方法用于语音增强 | 第58-60页 |
·小波去噪的基本原理 | 第58-59页 |
·小波参数的选取 | 第59页 |
·小波与自适应波束形成结合的语音增强方法 | 第59-60页 |
·基于子空间方法的麦克风阵语音增强 | 第60-66页 |
·子空间方法的原理 | 第60-62页 |
·时域约束估计方法 | 第62-64页 |
·多通道子空间的语音增强方法 | 第64-66页 |
·本章小结 | 第66-67页 |
第六章 结合麦克风阵列语音增强和改进特征的说话人识别 | 第67-73页 |
·基于语音增强和改进特征的说话人识别的分析 | 第67-68页 |
·语音和噪声库的建立 | 第68页 |
·预处理 | 第68页 |
·实验结果及分析 | 第68-72页 |
·本章小结 | 第72-73页 |
第七章 总结与展望 | 第73-75页 |
·论文工作总结 | 第73-74页 |
·下一步的研究工作 | 第74-75页 |
参考文献 | 第75-80页 |
作者在攻读硕士期间的主要研究成果 | 第80页 |