声纹识别在微信中的模式匹配研究
| 摘要 | 第2-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 声纹识别的背景及意义 | 第8页 |
| 1.2 声纹识别的发展现状 | 第8-10页 |
| 1.3 声纹识别技术简介 | 第10-13页 |
| 1.3.1 基本概念 | 第10-12页 |
| 1.3.2 基本原理 | 第12-13页 |
| 1.3.3 声纹识别的应用 | 第13页 |
| 1.4 论文主要研究内容及框架 | 第13-15页 |
| 第二章 特征提取 | 第15-23页 |
| 2.1 特征提取概述 | 第15-16页 |
| 2.2 语音特征参数提取方法 | 第16-22页 |
| 2.2.1 LPC参数 | 第16-18页 |
| 2.2.2 LPCC参数 | 第18-20页 |
| 2.2.3 MFCC参数 | 第20-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 语音信号预处理 | 第23-31页 |
| 3.1 采样与量化 | 第23-24页 |
| 3.2 预加重 | 第24页 |
| 3.3 分帧与加窗 | 第24-26页 |
| 3.4 语音信号端点检测 | 第26-30页 |
| 3.4.1 短时能量分析 | 第27页 |
| 3.4.2 短时过零率 | 第27-28页 |
| 3.4.3 基于短时平均能量及过零率的端点检测 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 模式匹配 | 第31-46页 |
| 4.1 DTW算法 | 第31-32页 |
| 4.2 VQ算法 | 第32-34页 |
| 4.3 GMM算法 | 第34-40页 |
| 4.3.1 GMM模型基本概念 | 第34页 |
| 4.3.2 GMM模型数学描述 | 第34-35页 |
| 4.3.3 GMM模型参数估计 | 第35-38页 |
| 4.3.4 GMM模型的初始化 | 第38-40页 |
| 4.4 GMM-UBM算法 | 第40-43页 |
| 4.5 判决门限设定 | 第43-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 实验分析 | 第46-59页 |
| 5.1 实验1特征参数对识别率的影响 | 第47-50页 |
| 5.2 实验2初始点对识别率的影响 | 第50-52页 |
| 5.3 实验3关于双门限端点检测实验 | 第52-54页 |
| 5.4 实验4门限值对识别性能的影响 | 第54-55页 |
| 5.5 实验5模型算法对识别率的影响 | 第55-57页 |
| 5.6 本章小结 | 第57-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66-67页 |
