基于呼吸的身份识别研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 研究工作的背景与意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-17页 |
| 1.2.1 基于短时谱特征的说话人识别 | 第13-14页 |
| 1.2.2 基于音源特征的说话人识别 | 第14-15页 |
| 1.2.3 基于时空特征的说话人识别 | 第15-16页 |
| 1.2.4 基于韵律特征的说话人识别 | 第16-17页 |
| 1.2.5 基于其他高层特征的说话人识别 | 第17页 |
| 1.3 现有系统存在问题及挑战 | 第17-19页 |
| 1.4 情景模型与特色创新 | 第19-20页 |
| 1.4.1 高效的呼吸提取 | 第19页 |
| 1.4.2 呼吸特征分析 | 第19页 |
| 1.4.3 高效的判决模块 | 第19-20页 |
| 1.5 本文结构安排 | 第20-21页 |
| 第二章 语音信号处理及特征分析 | 第21-36页 |
| 2.1 语音信号的产生与感知 | 第21-26页 |
| 2.1.1 语音的发音器官 | 第21-23页 |
| 2.1.2 语音的声学特征 | 第23-24页 |
| 2.1.3 语音信号在时域和频域的表现 | 第24-26页 |
| 2.1.4 语音信号的感知 | 第26页 |
| 2.2 语音信号数字化 | 第26-29页 |
| 2.2.1 语音信号的采样与量化 | 第27页 |
| 2.2.2 短时加窗处理 | 第27-29页 |
| 2.3 语音信号的时域分析 | 第29-32页 |
| 2.3.1 短时能量分析 | 第29-30页 |
| 2.3.2 短时平均过零率 | 第30-31页 |
| 2.3.3 短时自相关函数和短时平均幅度差函数 | 第31-32页 |
| 2.4 语音信号的频域分析 | 第32-34页 |
| 2.4.1 滤波器组的方法 | 第33页 |
| 2.4.2 傅里叶频谱分析 | 第33-34页 |
| 2.5 说话人识别模型 | 第34-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 基于呼吸的说话人识别 | 第36-58页 |
| 3.1 特征的提取 | 第38-44页 |
| 3.1.1 基音周期估计 | 第38-40页 |
| 3.1.2 共振峰的估计 | 第40-42页 |
| 3.1.3 基于听觉特性的Mel频率倒谱系数 | 第42-44页 |
| 3.2 呼吸提取 | 第44-55页 |
| 3.2.1 初步探测算法 | 第45-50页 |
| 3.2.2 边界检测和误报检测 | 第50-55页 |
| 3.3 说话人识别 | 第55-57页 |
| 3.3.1 呼吸的特征参数的确定 | 第55-56页 |
| 3.3.2 决策模型 | 第56-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第四章 系统测试及实验结果 | 第58-68页 |
| 4.1 呼吸提取测试 | 第58-61页 |
| 4.1.1 呼吸提取精度 | 第59-60页 |
| 4.1.2 呼吸特征与时间的关系 | 第60-61页 |
| 4.2 呼吸参数测试 | 第61-65页 |
| 4.3 说话人识别测试 | 第65-67页 |
| 4.4 本章小结 | 第67-68页 |
| 第五章 全文总结与展望 | 第68-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-77页 |
| 攻读硕士学位期间取得的成果 | 第77-78页 |
