| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 图索引 | 第14-17页 |
| 表索引 | 第17-18页 |
| 第1章 绪论 | 第18-31页 |
| ·研究背景和意义 | 第18-21页 |
| ·研究历史和现状 | 第21-26页 |
| ·发展简史 | 第21-22页 |
| ·研究现状 | 第22-25页 |
| ·研究热点和发展趋势 | 第25-26页 |
| ·问题总结与分析 | 第26-27页 |
| ·研究内容和结构安排 | 第27-31页 |
| ·研究内容 | 第27-28页 |
| ·结构安排 | 第28-31页 |
| 第2章 涉及的相关知识基础 | 第31-54页 |
| ·引言 | 第31页 |
| ·基本理论 | 第31-42页 |
| ·说话人识别基本原理 | 第31-32页 |
| ·信号预处理 | 第32-33页 |
| ·特征参数提取 | 第33-37页 |
| ·特征向量生成 | 第37-39页 |
| ·说话人识别系统的性能评价方法 | 第39-42页 |
| ·GMM-UBM 算法体系 | 第42-46页 |
| ·UBM 训练 | 第42-44页 |
| ·目标说话人模型训练 | 第44-45页 |
| ·说话人比较判别 | 第45-46页 |
| ·GMM-SVM 算法体系 | 第46-53页 |
| ·GMM 特征超向量生成 | 第46-49页 |
| ·SVM 说话人建模和识别 | 第49-53页 |
| ·小结 | 第53-54页 |
| 第3章 2D-Haar 声学特征超向量生成 | 第54-84页 |
| ·引言 | 第54页 |
| ·主要技术和方法分析 | 第54-56页 |
| ·主要技术和方法 | 第54-55页 |
| ·问题分析 | 第55-56页 |
| ·2D-Haar 声学特征超向量 | 第56-71页 |
| ·算法设计 | 第56-64页 |
| ·实验及分析 | 第64-71页 |
| ·2D-Haar 声学特征超向量生成的快速计算方法 | 第71-83页 |
| ·问题讨论 | 第71-72页 |
| ·算法设计 | 第72-75页 |
| ·实验及分析 | 第75-83页 |
| ·小结 | 第83-84页 |
| 第4章 说话人 2D-Haar 声学特征超向量识别方法 | 第84-100页 |
| ·引言 | 第84页 |
| ·主要技术和方法分析 | 第84-87页 |
| ·主要技术和方法 | 第84-85页 |
| ·分析讨论与问题提出 | 第85-87页 |
| ·算法设计 | 第87-93页 |
| ·算法原理 | 第87-88页 |
| ·Turbo-Boost 分类算法 | 第88-92页 |
| ·段识别结果融合 | 第92-93页 |
| ·实验及分析 | 第93-99页 |
| ·训练数据不平衡对识别效果的影响分析 | 第93-95页 |
| ·Turbo-Boost 算法参数设置对识别效果的影响分析 | 第95-96页 |
| ·说话人 2D-Haar 声学特征超向量识别方法的识别性能实验 | 第96-99页 |
| ·小结 | 第99-100页 |
| 第5章 说话人随机森林并行处理识别方法 | 第100-126页 |
| ·引言 | 第100页 |
| ·主要技术和方法分析 | 第100-103页 |
| ·主要技术和方法 | 第100-103页 |
| ·讨论分析与问题提出 | 第103页 |
| ·算法设计 | 第103-112页 |
| ·算法原理 | 第103-104页 |
| ·ERF 分类算法 | 第104-111页 |
| ·段识别结果融合 | 第111-112页 |
| ·实验及分析 | 第112-124页 |
| ·ERF 算法参数对识别效果的影响分析 | 第112-115页 |
| ·说话人随机森林并行处理识别方法识别准确性实验 | 第115-118页 |
| ·ERF 算法并行部署效率实验 | 第118-124页 |
| ·小结 | 第124-126页 |
| 第6章 结束语 | 第126-131页 |
| ·工作总结 | 第126-128页 |
| ·研究展望 | 第128-131页 |
| 参考文献 | 第131-149页 |
| 攻读学位期间发表论文与研究成果清单 | 第149-151页 |
| 致谢 | 第151-153页 |
| 作者简介 | 第153页 |
