采用遗传算法的码本设计及说话人识别
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·说话人识别研究的背景及意义 | 第9-10页 |
| ·说话人识别研究现状 | 第10-11页 |
| ·主要的应用领域 | 第10页 |
| ·技术的难点 | 第10-11页 |
| ·说话人识别研究的内容 | 第11-16页 |
| ·说话人识别的系统结构 | 第11-13页 |
| ·说话人识别类型分类 | 第13-14页 |
| ·说话人识别的模式匹配方法 | 第14页 |
| ·说话人识别系统的性能评价 | 第14-16页 |
| ·本文的主要工作 | 第16-17页 |
| 2 语音信号的分析方法 | 第17-23页 |
| ·语音信号数字化和采集 | 第17页 |
| ·语音信号的时域处理方法 | 第17-19页 |
| ·采样与量化 | 第17-18页 |
| ·预加重处理 | 第18页 |
| ·加窗处理 | 第18-19页 |
| ·语音信号的端点检测 | 第19-23页 |
| ·短时能量和短时平均过零率 | 第20-21页 |
| ·双门限检测法 | 第21-23页 |
| 3 语音信号的特征提取 | 第23-32页 |
| ·线性预测系数LPC | 第23-24页 |
| ·线性预测的基本思想 | 第23-24页 |
| ·线性预测倒谱系数LPCC | 第24页 |
| ·Mel倒谱系数MFCC | 第24-32页 |
| ·MFCC的提取过程 | 第25-29页 |
| ·美尔差分倒谱参数 | 第29-30页 |
| ·MFCC分量的选择 | 第30页 |
| ·引入新的特征参数 | 第30-31页 |
| ·MFCC的加权 | 第31页 |
| ·MFCC的优点 | 第31-32页 |
| 4 矢量量化 | 第32-43页 |
| ·矢量量化的产生与发展 | 第32-33页 |
| ·矢量量化基本原理 | 第33-36页 |
| ·矢量量化的理论基础 | 第33-34页 |
| ·矢量量化的定义 | 第34页 |
| ·矢量量化器分析 | 第34-36页 |
| ·矢量量化器的编码速率和比特率 | 第36页 |
| ·失真测度 | 第36-39页 |
| ·欧氏失真—均方误差 | 第37页 |
| ·线性预测失真测度 | 第37-39页 |
| ·矢量量化量化器和码本的设计 | 第39-43页 |
| ·矢量量化器最佳设计的两个条件 | 第39页 |
| ·LBG算法 | 第39-41页 |
| ·初始码本的选择 | 第41-43页 |
| 5 基于遗传算法的说话人识别系统 | 第43-55页 |
| ·遗传算法的生物学基础 | 第43页 |
| ·遗传算法的数学机理 | 第43-44页 |
| ·遗传算法的特点 | 第44-45页 |
| ·利用遗传算法设计全局最优码本 | 第45-48页 |
| ·个体编码与适应度函数设计 | 第45-47页 |
| ·选择操作 | 第47页 |
| ·交叉操作 | 第47页 |
| ·变异操作 | 第47-48页 |
| ·个体相似度 | 第48页 |
| ·VQ码本设计的GA-K算法 | 第48-50页 |
| ·说话人识别系统的实现 | 第50-52页 |
| ·语音采集 | 第50页 |
| ·预处理 | 第50-51页 |
| ·特征提取 | 第51页 |
| ·模型训练 | 第51页 |
| ·似然度计算和识别决策 | 第51-52页 |
| ·实验与结果分析 | 第52-55页 |
| ·码本容量对说话人识别系统性能的影响 | 第52-53页 |
| ·训练语音长度对辨认率的影响 | 第53-54页 |
| ·检验新添加的特征参数对识别率的贡献 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 攻读硕士学位期间发表学术论文情况 | 第58-59页 |
| 致谢 | 第59-60页 |
