基于神经网络的声纹识别系统设计与实现
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-15页 |
| 1.1 研究背景概述 | 第11-13页 |
| 1.1.1 声纹识别技术概述 | 第11-12页 |
| 1.1.2 应用需求 | 第12-13页 |
| 1.2 声纹识别研究现状 | 第13-14页 |
| 1.3 论文工作 | 第14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 2 总体设计 | 第15-20页 |
| 2.1 系统架构 | 第15页 |
| 2.2 相关模块介绍 | 第15-20页 |
| 3 相关研究 | 第20-31页 |
| 3.1 预处理 | 第20-21页 |
| 3.1.1 语音产生模型 | 第20页 |
| 3.1.2 预处理 | 第20-21页 |
| 3.2 特征选择 | 第21-27页 |
| 3.2.1 特征提取概述 | 第21页 |
| 3.2.2 线性预测系数 | 第21-24页 |
| 3.2.3 LPC 倒谱系数 | 第24-25页 |
| 3.2.4 Mel 倒谱系数 | 第25-26页 |
| 3.2.5 其他参数 | 第26-27页 |
| 3.3 声纹模式识别 | 第27-31页 |
| 3.3.1 声纹识别模型概述 | 第27-28页 |
| 3.3.2 隐马尔可夫模型（HMM） | 第28页 |
| 3.3.3 高斯混合模型（GMM） | 第28-29页 |
| 3.3.4 矢量量化模型（VQ） | 第29页 |
| 3.3.5 支持向量机模型（SVM） | 第29-30页 |
| 3.3.6 人工神经网络（ANN） | 第30-31页 |
| 4 技术选型与算法设计 | 第31-42页 |
| 4.1 预处理与特征选择 | 第31-32页 |
| 4.1.1 预处理 | 第31页 |
| 4.1.2 特征选择 | 第31-32页 |
| 4.2 基于人工神经网络的语音识别模型 | 第32-36页 |
| 4.2.1 神经网络原理 | 第32-34页 |
| 4.2.2 神经网络结构 | 第34页 |
| 4.2.3 神经网络的学习和泛化 | 第34-36页 |
| 4.3 学习算法选择与设计 | 第36-42页 |
| 4.3.1 学习算法的比较 | 第36页 |
| 4.3.2 基于PSO 的神经网络优化方法 | 第36-40页 |
| 4.3.3 学习算法设计 | 第40-42页 |
| 5 系统详细设计与实现 | 第42-51页 |
| 5.1 系统开发环境 | 第42页 |
| 5.2 系统文件格式 | 第42-43页 |
| 5.3 基础模块 | 第43-46页 |
| 5.3.1 配置文件访问 | 第43-44页 |
| 5.3.2 语音文件访问 | 第44-45页 |
| 5.3.3 模式文件访问 | 第45页 |
| 5.3.4 数据处理 | 第45-46页 |
| 5.3.5 异常处理 | 第46页 |
| 5.4 采集与预处理模块 | 第46-47页 |
| 5.4.1 声音信号获取 | 第46页 |
| 5.4.2 预处理 | 第46-47页 |
| 5.5 特征提取模块 | 第47-48页 |
| 5.6 识别模块 | 第48-51页 |
| 6 实验与分析 | 第51-58页 |
| 6.1 实验语音库 | 第51-52页 |
| 6.1.1 录音 | 第51页 |
| 6.1.2 语音库构成 | 第51-52页 |
| 6.2 文本相关识别实验 | 第52-56页 |
| 6.3 文本无关识别实验 | 第56页 |
| 6.4 实验分析与小结 | 第56-58页 |
| 7 结束语 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 附录1 神经网络模式文件示例 | 第63-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间已发表或录用的论文 | 第66-68页 |
