| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-19页 |
| 1．1 说话人辨认的基本概念 | 第9-10页 |
| 1．2 说话人辨认技术的研究与发展 | 第10-12页 |
| 1．3 说话人语音特征 | 第12-13页 |
| 1．4 说话人识别方法 | 第13-16页 |
| 1．4．1 非参数模型方法 | 第13-14页 |
| 1．4．2 参数模型方法 | 第14-15页 |
| 1．4．3 神经网络方法 | 第15-16页 |
| 1．5 说话人识别应用前景 | 第16-17页 |
| 1．6 本课题主要研究内容 | 第17-19页 |
| 第2章 说话人语音特征提取方法 | 第19-35页 |
| 2．1 说话人识别系统的前端处理 | 第20-22页 |
| 2．2 线性预测倒谱系数LPCC的提取方法 | 第22-24页 |
| 2．3 美尔频率倒谱系数MFCC的提取方法 | 第24-28页 |
| 2．4 感知线性预测系数PLPC的提取方法 | 第28-29页 |
| 2．5 子带能量倒谱参数SUBNC的提取方法 | 第29-33页 |
| 2．5．1 Teager能量算子 | 第29-30页 |
| 2．5．2 子带能量特征参数 | 第30-31页 |
| 2．5．3 子带加权方法 | 第31-33页 |
| 2．6 其它语音特征 | 第33页 |
| 2．7 本章小结 | 第33-35页 |
| 第3章 说话人辨认方法 | 第35-52页 |
| 3．1 高斯混合模型 | 第36-44页 |
| 3．1．1 模型描述 | 第37-38页 |
| 3．1．2 模型说明 | 第38-39页 |
| 3．1．3 最大似然参数估计 | 第39-42页 |
| 3．1．4 说话人辨认方法 | 第42-43页 |
| 3．1．5 其它参数估计方法 | 第43-44页 |
| 3．2 基于模糊C-均值的VQ模型 | 第44-49页 |
| 3．2．1 基于VQ的说话人辨认系统 | 第44页 |
| 3．2．2 模糊C-均值聚类法 | 第44-49页 |
| 3．2．3 基于模糊C-均值的VQ说话人辨认方法 | 第49页 |
| 3．3 自组织映射网络模型 | 第49-51页 |
| 3．4 本章小结 | 第51-52页 |
| 第4章 概率神经网络说话人辨认方法 | 第52-79页 |
| 4．1 PNN模型描述 | 第52-53页 |
| 4．2 PNN的最大似然训练方法 | 第53-56页 |
| 4．3 PNN的最小分类错误训练方法 | 第56-58页 |
| 4．4 基于异方差PNN模型的训练方法 | 第58-62页 |
| 4．4．1 异方差PNN模型 | 第58-59页 |
| 4．4．2 异方差PNN训练方法 | 第59-62页 |
| 4．5 基于遗传聚类PNN的训练方法 | 第62-64页 |
| 4．6 基于并行PNN的训练方法 | 第64-65页 |
| 4．7 基于噪声自适应的PNN训练方法 | 第65-72页 |
| 4．8 PNN模型及其训练方法 | 第72-78页 |
| 4．8．1 SPNN模型 | 第72-73页 |
| 4．8．2 PNN模型及其EM训练算法 | 第73-78页 |
| 4．9 本章小结 | 第78-79页 |
| 第5章 仿真结果与分析 | 第79-90页 |
| 5．1 语音特征参数性能实验 | 第80-81页 |
| 5．2 说话人辨认方法性能实验 | 第81-82页 |
| 5．2．1 基于模糊C-均值的VQ说话人辨认结果 | 第81页 |
| 5．2．2 基于SOM的说话人辨认结果 | 第81-82页 |
| 5．3 基于PNN的说话人辨认方法性能实验 | 第82-89页 |
| 5．3．1 PNN的MCE训练方法实验结果 | 第82页 |
| 5．3．2 PNN异方差模型的训练方法实验结果 | 第82-84页 |
| 5．3．3 PNN的遗传聚类训练方法实验结果 | 第84页 |
| 5．3．4 PNN并行模型的训练方法实验结果 | 第84-85页 |
| 5．3．5 PNN噪声自适应模型的训练方法实验结果 | 第85-87页 |
| 5．3．6 PNN模型的训练方法实验结果 | 第87-89页 |
| 5．4 本章小结 | 第89-90页 |
| 结论 | 第90-92页 |
| 参考文献 | 第92-99页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第99-100页 |
| 致谢 | 第100-101页 |
| 作者简介 | 第101页 |