| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·生物认证 | 第10-11页 |
| ·说话人识别技术概论 | 第11-12页 |
| ·嵌入式说话人识别研究的现状 | 第12-13页 |
| ·课题技术难点与需解决的问题 | 第13-14页 |
| ·论文的主要工作和章节安排 | 第14-15页 |
| 第二章 语音信号处理 | 第15-28页 |
| ·语音信号的产生 | 第15-19页 |
| ·语音的发音器官 | 第15-16页 |
| ·语音的声学特征 | 第16-17页 |
| ·语言信号在时域和频域的表示 | 第17-18页 |
| ·语谱图 | 第18-19页 |
| ·语音信号的数字模型 | 第19-21页 |
| ·激励模型 | 第19页 |
| ·声管模型 | 第19-20页 |
| ·共振峰模型 | 第20-21页 |
| ·辐射模型 | 第21页 |
| ·语音信号的数字化和预处理 | 第21-24页 |
| ·语音信号线性预测倒谱系数(Linear Prediction Cepstral Coding，LPCC)特征参数的提取 | 第24-26页 |
| ·语音信号MFCC特征参数的提取 | 第26-28页 |
| 第三章 说话人识别算法 | 第28-37页 |
| ·说话人识别算法概述 | 第28-30页 |
| ·说话人识别系统特征的选取与评价 | 第30-32页 |
| ·基于GMM-UBM的说话人确认系统 | 第32-37页 |
| ·高斯混合模型GMM | 第32-33页 |
| ·GMM-UBM模型自适应 | 第33-35页 |
| ·实验结果 | 第35-37页 |
| 第四章 嵌入式说话人识别系统的硬件平台 | 第37-53页 |
| ·硬件的选择 | 第37-44页 |
| ·凌阳61板 | 第37-40页 |
| ·EasyARM2131开发板 | 第40-44页 |
| ·基于ARM9的H2410EB开发板 | 第44-53页 |
| 第五章 嵌入式说话人识别系统的算法实现 | 第53-61页 |
| ·浮点运算转换为定点运算 | 第53-57页 |
| ·四则运算的转换 | 第54-55页 |
| ·计算的预处理 | 第55-56页 |
| ·数学的快速近似计算 | 第56页 |
| ·计算方法的改进 | 第56-57页 |
| ·通用背景模型UBM的建立 | 第57-58页 |
| ·说话人模型的优化 | 第58-59页 |
| ·实验结果和实验分析 | 第59-61页 |
| 第六章 课题总结和展望 | 第61-63页 |
| ·课题总结 | 第61页 |
| ·课题展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66页 |