| 摘要 | 第1-7页 |
| Abstract | 第7-14页 |
| 1 绪论 | 第14-28页 |
| ·说话人识别概述 | 第14-17页 |
| ·说话人识别的研究意义 | 第14-15页 |
| ·说话人识别的典型应用 | 第15-16页 |
| ·说话人识别的发展与现状 | 第16-17页 |
| ·说话人辨认和说话人确认 | 第17-21页 |
| ·说话人辨认系统结构 | 第18-19页 |
| ·说话人确认系统结构 | 第19-20页 |
| ·说话人辨认系统的性能评价 | 第20页 |
| ·说话人确认系统的性能评价 | 第20-21页 |
| ·说话人识别的特征提取 | 第21-23页 |
| ·说话人识别的主要模型 | 第23-24页 |
| ·矢量量化 | 第23页 |
| ·高斯混合模型 | 第23-24页 |
| ·支持向量机 | 第24页 |
| ·人工神经网络 | 第24页 |
| ·鲁棒说话人识别补偿技术 | 第24-25页 |
| ·预处理阶段 | 第24-25页 |
| ·特征提取阶段 | 第25页 |
| ·模型训练阶段 | 第25页 |
| ·本文研究工作概述 | 第25-26页 |
| ·本文的结构安排 | 第26-28页 |
| 2 短语音说话人辨认的研究 | 第28-43页 |
| ·引言 | 第28-29页 |
| ·特征提取 | 第29-32页 |
| ·线性预测倒谱系数(LPCC) | 第29-30页 |
| ·Mel频率倒谱系数(MFCC) | 第30-32页 |
| ·Delta特征 | 第32页 |
| ·基于局部模糊PCA的GMM说话人辨认方法 | 第32-38页 |
| ·局部模糊PCA降维 | 第32-35页 |
| ·基于模糊PCA的GMM | 第35-37页 |
| ·判决策略 | 第37-38页 |
| ·实验结果与分析 | 第38-42页 |
| ·实验语音库 | 第38页 |
| ·语音预处理 | 第38-39页 |
| ·短语音说话人辨认中特征参数的研究 | 第39-41页 |
| ·模糊PCA降维实验 | 第41页 |
| ·不同GMM参数初始化方法对识别率的影响 | 第41-42页 |
| ·最终实验方案研究 | 第42页 |
| ·本章小结 | 第42-43页 |
| 3 远距离说话人辨认的研究 | 第43-57页 |
| ·引言 | 第43-44页 |
| ·远距离说话人辨认的基本理论概述 | 第44-46页 |
| ·远距离环境—混响的产生 | 第44-45页 |
| ·混响的特征 | 第45-46页 |
| ·混响时间 | 第46页 |
| ·距离说话人辨认的补偿技术 | 第46-51页 |
| ·基于谱减法的去混响技术 | 第47-49页 |
| ·特征补偿技术 | 第49-50页 |
| ·GMM模型补偿技术 | 第50-51页 |
| ·实验结果与分析 | 第51-56页 |
| ·实验语音库 | 第51-52页 |
| ·实验设计 | 第52页 |
| ·语音增强实验 | 第52-53页 |
| ·混响环境下的说话人辨认实验 | 第53-55页 |
| ·不同补偿方法下的远距离说话人辨认实验 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 4 JFA和I-Vector在说话人确认中的研究 | 第57-82页 |
| ·引言 | 第57-58页 |
| ·均值超矢量 | 第58-59页 |
| ·基于联合因子分析的说话人确认 | 第59-65页 |
| ·基本思想 | 第59页 |
| ·估计空间矩阵 | 第59-63页 |
| ·说话人模型的训练 | 第63-64页 |
| ·说话人测试 | 第64-65页 |
| ·基于I-Vector的说话人确认 | 第65-70页 |
| ·基本思想 | 第65页 |
| ·全局差异空间矩阵的估计 | 第65-66页 |
| ·隐含变量I-Vector的估计 | 第66页 |
| ·说话人测试 | 第66-67页 |
| ·I-Vector中的信道补偿技术分析 | 第67-70页 |
| ·说话人确认的得分规整技术 | 第70-72页 |
| ·零规整(Zero Normalization) | 第70-71页 |
| ·测试规整(Test Normalization) | 第71页 |
| ·零规整+测试规整(ZT-norm) | 第71-72页 |
| ·测试规整+零规整(TZ-norm) | 第72页 |
| ·实验结果与分析 | 第72-80页 |
| ·实验语音库 | 第72-74页 |
| ·基于JFA的说话人确认实验 | 第74-77页 |
| ·基于I-Vector的说话人确认实验 | 第77-80页 |
| ·本章小结 | 第80-82页 |
| 5 I-Vector空间和超矢量空间下PLDA模型在说话人确认中的研究 | 第82-95页 |
| ·引言 | 第82-83页 |
| ·I-Vector空间及I-Supervector空间下的PLDA模型 | 第83-84页 |
| ·从I-Vector到I-Supervector | 第83页 |
| ·PLDA模型 | 第83-84页 |
| ·PLDA模型的训练 | 第84-87页 |
| ·参数估计方法 | 第84-86页 |
| ·参数估计方法的优化 | 第86-87页 |
| ·基于PLDA模型的确认得分计算 | 第87-90页 |
| ·不同说话人模型下的对数似然度得分 | 第88-89页 |
| ·同一说话人模型下的对数似然度得分 | 第89-90页 |
| ·I-vector及I-Supervector空间规整技术 | 第90-92页 |
| ·长度规整 | 第90页 |
| ·Whitening规整 | 第90-91页 |
| ·基于排名的高斯规整 | 第91-92页 |
| ·实验结果与分析 | 第92-94页 |
| ·实验语音库 | 第92页 |
| ·实验设计 | 第92页 |
| ·特征规整及得分规整实验 | 第92-93页 |
| ·信道变化情况下的性能比较实验 | 第93-94页 |
| ·本章小结 | 第94-95页 |
| 6 总结与展望 | 第95-98页 |
| ·总结 | 第95-96页 |
| ·研究展望 | 第96-98页 |
| 致谢 | 第98-99页 |
| 参考文献 | 第99-112页 |
| 附录 | 第112-113页 |
