| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-17页 |
| ·语种识别背景和意义 | 第8-9页 |
| ·语种识别的发展和回顾 | 第9-12页 |
| ·语种识别的主要方法 | 第12-16页 |
| ·基于声学特征的方法 | 第12-13页 |
| ·基于韵律特征的方法 | 第13-14页 |
| ·基于音素识别的方法 | 第14页 |
| ·基于高层语言信息的方法 | 第14-16页 |
| ·论文主要内容 | 第16-17页 |
| 第2章 语种识别中语音的特征 | 第17-27页 |
| ·语音的频谱特征 | 第17-22页 |
| ·MFCC特征 | 第17-19页 |
| ·滑动差分倒谱参数(Shifted Delta Cepstra) | 第19-21页 |
| ·其他频谱特征 | 第21-22页 |
| ·语音的韵律特征 | 第22-25页 |
| ·语调 | 第22-24页 |
| ·节奏 | 第24-25页 |
| ·强度 | 第25页 |
| ·常用的特征组合方式 | 第25-27页 |
| 第3章 基于GMM/UBM语种识别研究 | 第27-42页 |
| ·高斯混合模型 | 第27-30页 |
| ·高斯混合模型定义 | 第27-29页 |
| ·GMM参数估计及识别算法 | 第29-30页 |
| ·基于GMM、UBM的语种识别系统 | 第30-34页 |
| ·全局背景模型UBM | 第31-32页 |
| ·每种语种模型的自适应方法 | 第32-33页 |
| ·GMM/UBM对数似然比打分 | 第33-34页 |
| ·改进的GMM/UBM的语种识别系统 | 第34-35页 |
| ·问题的提出 | 第34页 |
| ·改进的GMM/UBM对数似然比计算方式 | 第34-35页 |
| ·实验和结果 | 第35-40页 |
| ·实验环境 | 第35-36页 |
| ·实验一:不同特征组合对GMM/UBM识别性能的影响 | 第36-39页 |
| ·实验二:对比改进的GMM/UBM与传统GMM/UBM的性能 | 第39-40页 |
| ·小结 | 第40-42页 |
| 第4章 基于序列核的SVM语种识别研究 | 第42-65页 |
| ·支持向量机在语种识别系统中的应用 | 第42-52页 |
| ·理论背景 | 第43-44页 |
| ·最优分类面 | 第44-45页 |
| ·线性支持向量机 | 第45-47页 |
| ·非线性支持向量机 | 第47-48页 |
| ·核函数及选择 | 第48-49页 |
| ·多分类问题 | 第49-52页 |
| ·Louradour核序列原理 | 第52-53页 |
| ·改进Louradour核变换 | 第53-56页 |
| ·基于UBM的改进Louradour核 | 第53-55页 |
| ·基于GMM-UBM的改进Louradour核 | 第55-56页 |
| ·基于核序列的SVM语种识别系统 | 第56-59页 |
| ·传统的基于核序列的SVM模型 | 第56-57页 |
| ·基于核序列与长时特征融合的SVM模型 | 第57-59页 |
| ·实验和结果 | 第59-63页 |
| ·实验环境 | 第59页 |
| ·实验一:各类基于核序列的SVM系统性能 | 第59-61页 |
| ·实验二:基于核序列与长时特征融合的SVM系统 | 第61-63页 |
| ·小结 | 第63-65页 |
| 第5章 总结与展望 | 第65-67页 |
| ·论文总结 | 第65-66页 |
| ·研究展望 | 第66-67页 |
| 参考文献 | 第67-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文目录 | 第74页 |
