| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| ·研究背景 | 第9-10页 |
| ·可行性分析 | 第10-11页 |
| ·本论文结构安排 | 第11-12页 |
| 第二章 说话人识别基本原理 | 第12-33页 |
| ·特征提取 | 第13-18页 |
| ·消除静音 | 第13页 |
| ·参数提取 | 第13-18页 |
| ·MFCC倒谱系数提取 | 第14-16页 |
| ·LPC倒谱参数提取 | 第16-17页 |
| ·PLP倒谱参数提取 | 第17-18页 |
| ·差分系数 | 第18页 |
| ·建模与分类方法 | 第18-33页 |
| ·说话人模型选择 | 第18-19页 |
| ·基于似然比判决的高斯混合模型GMM | 第19-26页 |
| ·支撑向量机 | 第26-33页 |
| ·广义线性判别打分 | 第28-29页 |
| ·广义线性分类器训练 | 第29-31页 |
| ·广义线性判别序列内核 | 第31-32页 |
| ·基于广义线性判别内核的支撑向量机说话人认证系统的实现 | 第32-33页 |
| 第三章 说话人识别鲁棒性增强 | 第33-52页 |
| ·特征域方面 | 第33-44页 |
| ·倒谱均值减 CMN | 第33-34页 |
| ·RASTA滤波 | 第34页 |
| ·谱减及倒谱减 | 第34-35页 |
| ·声道长度归一化(VTLN) | 第35-38页 |
| ·特征映射 | 第38-39页 |
| ·特征校正(Feature Warping) | 第39页 |
| ·异方差线性鉴别分析(HLDA) | 第39-41页 |
| ·类内协方差归一化(WCCN) | 第41-43页 |
| ·噪声因子消除法(NAP) | 第43-44页 |
| ·模型域方面 | 第44-46页 |
| ·基于高斯混合模型超矢量的支撑向量机系统 | 第44-45页 |
| ·本征信道补偿(Eigenchannel Compensation) | 第45-46页 |
| ·得分域方面 | 第46-52页 |
| ·对称得分 | 第46-47页 |
| ·交叉相似度测量方法 | 第46-47页 |
| ·得分归一化 | 第47-52页 |
| ·Znorm技术 | 第48-49页 |
| ·Hnorm技术 | 第49页 |
| ·Tnorm技术 | 第49-50页 |
| ·H-Tnorm和 T-Hnorm技术 | 第50页 |
| ·ATNorm技术 | 第50-52页 |
| 第四章 课题最终系统技术阐述 | 第52-53页 |
| 第五章 实验描述及结果分析 | 第53-62页 |
| ·数据库描述 | 第53-54页 |
| ·性能评估方法 | 第54-56页 |
| ·实验结果及分析 | 第56-62页 |
| 第六章 总结 | 第62-64页 |
| ·课题总结 | 第62页 |
| ·课题展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 硕士期间发表论文 | 第68页 |