噪声环境下说话人识别技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·语音识别技术发展现状 | 第10-11页 |
| ·语音识别技术面临的难题 | 第11-12页 |
| ·噪声背景下的语音识别及研究意义 | 第12-13页 |
| ·本论文所做的主要工作 | 第13-14页 |
| ·论文章节的安排 | 第14-15页 |
| 第二章 基于支持向量机语音识别系统的分析与研究 | 第15-43页 |
| ·语音识别基本原理 | 第15页 |
| ·语音信号预处理 | 第15-19页 |
| ·预加重 | 第16-17页 |
| ·语音信号分帧加窗 | 第17-18页 |
| ·端点检测 | 第18-19页 |
| ·短时能量和幅度 | 第18-19页 |
| ·短时过零率 | 第19页 |
| ·端点检测流程 | 第19页 |
| ·语音特征参数提取 | 第19-25页 |
| ·线性预测编码(LPC)系数 | 第20-22页 |
| ·线性预测倒谱系数(LPCC) | 第22-23页 |
| ·MFCC 特征参数提取方法 | 第23-24页 |
| ·MFCC 系数与LPCC 系数比较 | 第24-25页 |
| ·基于支持向量机的说话人识别 | 第25-42页 |
| ·支持向量机的基本理论 | 第25-26页 |
| ·支持向量机的基本方法 | 第26-32页 |
| ·线性情况 | 第27-29页 |
| ·非线性情形与核函数 | 第29-32页 |
| ·支撑向量机的变形算法 | 第32-33页 |
| ·支持向量机在语音识别中的应用 | 第33-42页 |
| ·矢量量化技术(VQ)基本原理 | 第34-35页 |
| ·矢量量化的失真测度 | 第35-36页 |
| ·矢量量化器的最佳码本设计 | 第36-38页 |
| ·初始码本的生成 | 第38-39页 |
| ·训练样本集生成 | 第39页 |
| ·基于SVM 的说话人识别 | 第39-40页 |
| ·实验结果及分析 | 第40-42页 |
| ·小结 | 第42-43页 |
| 第三章 抗噪语音识别研究 | 第43-72页 |
| ·引言 | 第43页 |
| ·影响语音识别的环境因素 | 第43-45页 |
| ·抗噪语音识别技术研究现状 | 第45-50页 |
| ·基于信号空间的鲁棒技术——语音增强 | 第46-47页 |
| ·基于特征空间的鲁棒技术——提取抗噪声语音特征 | 第47-49页 |
| ·基于模型空间的鲁棒技术——模型补偿 | 第49-50页 |
| ·语音识别系统性能的主要技术指标 | 第50-51页 |
| ·抗噪语音识别的方法分析研究 | 第51-70页 |
| ·基于语音信号前端处理的抗噪技术 | 第51-62页 |
| ·基于形态滤波器的语音抗噪预处理 | 第51-54页 |
| ·基于鲁棒语音特征提取 | 第54-55页 |
| ·语音增强和提取抗噪特征参数相结合的新模型的提出 | 第55-57页 |
| ·仿真结果分析 | 第57-62页 |
| ·噪声下的端点检测方法研究分析 | 第62-70页 |
| ·时频方差和检测法 | 第63-66页 |
| ·能量检测和浊音检测相结合 | 第66-70页 |
| ·小结 | 第70-72页 |
| 第四章 抗噪语音识别系统的仿真和分析 | 第72-84页 |
| ·抗噪语音识别系统组成 | 第72-74页 |
| ·仿真结果分析 | 第74-83页 |
| ·实验数据 | 第74页 |
| ·实验效果评估方式 | 第74-75页 |
| ·改进前后端点检测比较的仿真实验 | 第75-80页 |
| ·多项式作为传统支持向量机的核函数 | 第75-77页 |
| ·高斯径向基作为传统支持向量机的核函数 | 第77-78页 |
| ·高斯径向基作为最小二乘向量机的核函数 | 第78-80页 |
| ·抗噪语音识别模型仿真 | 第80-83页 |
| ·小结 | 第83-84页 |
| 第五章 结论与展望 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-92页 |
| 攻读硕期间取得的研究成果 | 第92-93页 |
