| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-18页 |
| 1.1 说话人识别的背景和研究意义 | 第8-13页 |
| 1.1.1 说话人识别技术的研究背景 | 第8-9页 |
| 1.1.2 说话人识别研究的意义 | 第9-13页 |
| 1.2 说话人识别技术研究的现状 | 第13-14页 |
| 1.3 说话人识别技术的应用 | 第14-16页 |
| 1.4 论文的组织结构 | 第16-18页 |
| 第2章 语音信号的特征参数的分析及提取 | 第18-35页 |
| 2.1 说话人识别模型 | 第18-25页 |
| 2.1.1 说话人语音信号产生的原理 | 第18-22页 |
| 2.1.2 说话人识别的模型种类 | 第22-25页 |
| 2.2 语音信号的预处理介绍 | 第25-30页 |
| 2.2.1 语音信号预加重处理 | 第25-26页 |
| 2.2.2 语音端点检测 | 第26-29页 |
| 2.2.3 语音信号的降噪处理 | 第29-30页 |
| 2.3 说话人特征参数的分析和提取 | 第30-32页 |
| 2.3.1 MFCC的分析 | 第30-31页 |
| 2.3.2 MFCC的提取流程 | 第31-32页 |
| 2.4 MFCC在高斯混合模型上的说话人识别 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 第3章 深度学习的基本理论 | 第35-42页 |
| 3.1 深度学习的深度 | 第35-36页 |
| 3.2 深度学习的动机 | 第36-37页 |
| 3.3 深度学习的示意图 | 第37-38页 |
| 3.4 深度学习的背景和发展 | 第38-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第4章 基于深度学习的说话人识别 | 第42-50页 |
| 4.1 引入RBM | 第42-43页 |
| 4.2 说话人识别用到的深度学习算法 | 第43-48页 |
| 4.3 基于深度学习的说话人识别系统的实现 | 第48-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 说话人识别系统的实验 | 第50-59页 |
| 5.1 实验的前提条件 | 第50-51页 |
| 5.1.1 实验的软硬件环境 | 第50页 |
| 5.1.2 语音信号的采集 | 第50-51页 |
| 5.1.3 说话人识别系统识别率的计算 | 第51页 |
| 5.2 基于深度学习的说话人识别系统性能的验证 | 第51-58页 |
| 5.2.1 测试选取不同的语音单位长度对系统识别率的影响 | 第53-55页 |
| 5.2.2 测试选取不同的语音特征参数对说话人识别系统性能的影响 | 第55-56页 |
| 5.2.3 测试不同的输出层神经元的个数对系统性能的影响 | 第56-58页 |
| 5.3 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-68页 |
| 致谢 | 第68页 |
