| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·语种识别的定义 | 第10页 |
| ·语种识别的意义 | 第10-11页 |
| ·前人所做的工作 | 第11-12页 |
| ·对当前语种识别研究工作的讨论 | 第12-13页 |
| ·支持向量机 | 第13-14页 |
| ·本文所做的工作及内容安排 | 第14-16页 |
| 第2章 语种语音的特征 | 第16-23页 |
| ·语音的声学特征 | 第16-18页 |
| ·语音的声学特征信息 | 第18-20页 |
| ·音位信息 | 第18-19页 |
| ·韵律信息 | 第19-20页 |
| ·语音的其它特征信息 | 第20-21页 |
| ·语音产生过程及在语种识别中的应用 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 语音特征参数的提取 | 第23-32页 |
| ·前言 | 第23页 |
| ·语音信号的数字化 | 第23-24页 |
| ·语音数字信号的加窗分帧 | 第24-25页 |
| ·数字语音信号的预加重 | 第25页 |
| ·短时自相关分析 | 第25-26页 |
| ·能量归一化 | 第26页 |
| ·线性预测分析 | 第26-31页 |
| ·线性预测分析的基本原理 | 第26-30页 |
| ·线性预测方程组的求解 | 第30-31页 |
| ·LPC倒谱系数 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第4章 基于 K近邻支持向量机语种识别方法 | 第32-46页 |
| ·支持向量机 | 第32-38页 |
| ·最优分类超平面的结构 | 第32-34页 |
| ·线性支持向量机 | 第34-35页 |
| ·非线性支持向量机 | 第35-37页 |
| ·核函数及选择 | 第37-38页 |
| ·支持向量机分类问题 | 第38-44页 |
| ·停机准则 | 第39-40页 |
| ·求解大型问题的算法 | 第40-43页 |
| ·多类分类问题 | 第43-44页 |
| ·K近邻法(K NN) | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 实验及结果 | 第46-56页 |
| ·OGI_TS语音数据库和 CallFriend语音数据库 | 第46-48页 |
| ·实验所用的语音数据库 | 第48-49页 |
| ·语种识别系统评价 | 第49页 |
| ·实验 | 第49-55页 |
| ·实验条件 | 第49-50页 |
| ·实验过程 | 第50-52页 |
| ·实验结果 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第62-63页 |
| 致谢 | 第63页 |