| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·说话人识别的基本概念及其分类 | 第8-9页 |
| ·说话人识别的基本原理 | 第9-11页 |
| ·说话人识别的应用领域 | 第11页 |
| ·说话人识别的发展和现状 | 第11-12页 |
| ·论文内容安排 | 第12-13页 |
| 第二章 说话人识别的特征参数分析及提取 | 第13-29页 |
| ·概述 | 第13页 |
| ·语音信号产生原理 | 第13-14页 |
| ·基音周期估计 | 第14-15页 |
| ·线性预测编码（LPC）分析 | 第15-17页 |
| ·复倒谱和倒谱 | 第17-24页 |
| ·MEL倒谱参数（Mel－Frequency Cepstral Coefficients： MFCC） | 第24-26页 |
| ·应用维格纳—威利谱提取特征参数 | 第26-27页 |
| ·特征参数的评价方法 | 第27-29页 |
| 第三章 说话人识别系统的识别方法 | 第29-39页 |
| ·概述 | 第29页 |
| ·矢量量化方法（Vector Quantization） | 第29-34页 |
| ·矢量量化的原理 | 第30-31页 |
| ·矢量量化器的最佳码本设计 | 第31页 |
| ·矢量量化的LBG算法 | 第31-34页 |
| ·初始码本的设置及畸变准则的选择 | 第34页 |
| ·模糊矢量量化(Fuzzy Vector Quantization) | 第34-36页 |
| ·高斯混合模型方法（GMM） | 第36-39页 |
| ·GMM模型的基本概念 | 第36页 |
| ·GMM模型的参数估计 | 第36-37页 |
| ·训练数据不充分的问题 | 第37-38页 |
| ·GMM模型的识别问题 | 第38-39页 |
| 第四章 遗传算法在矢量量化和高斯混合模型中的应用 | 第39-49页 |
| ·遗传算法的概述 | 第39页 |
| ·遗传算法的基本原理 | 第39-43页 |
| ·GAVQ算法 | 第43-46页 |
| ·基因编码 | 第43页 |
| ·适应度函数选择 | 第43-44页 |
| ·初始码本的形成 | 第44页 |
| ·遗传操作 | 第44-45页 |
| ·迭代停止条件 | 第45-46页 |
| ·改进遗传算法在GMM中的应用 | 第46-49页 |
| ·编码方案 | 第46页 |
| ·适应度函数 | 第46页 |
| ·遗传操作 | 第46-47页 |
| ·改进的遗传算法的特点分析 | 第47-49页 |
| 第五章 系统实现与实验结果 | 第49-57页 |
| ·概论 | 第49页 |
| ·语音库的建立及语音信号的预处理 | 第49-50页 |
| ·录音 | 第49页 |
| ·语音库构成 | 第49页 |
| ·数据采集 | 第49页 |
| ·语音信号的预处理 | 第49-50页 |
| ·应用矢量量化（VQ）的说话人识别 | 第50-53页 |
| ·应用VQ的说话人识别过程 | 第50-51页 |
| ·模糊矢量量化（Fuzzy VQ）的识别 | 第51-52页 |
| ·应用GAVQ的说话人识别 | 第52-53页 |
| ·GAVQ与VQ 的实验结果说明 | 第53页 |
| ·应用GMM模型的识别 | 第53-57页 |
| ·基于混合高斯模型的与文本无关说话人识别方法 | 第53-54页 |
| ·应用GMM的识别结果 | 第54-55页 |
| ·改进遗传算法应用于GMM识别 | 第55-56页 |
| ·应用GAGMM识别结果 | 第56页 |
| ·GAGMM与GMM的实验结果说明 | 第56-57页 |
| 结论 | 第57-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 研究生期间发表的论文 | 第61页 |
