| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究目的和意义 | 第9-10页 |
| 1.2 国内外研究现状与分析 | 第10-14页 |
| 1.2.1 说话人识别技术的研究进展 | 第10-13页 |
| 1.2.2 目前方法存在的问题 | 第13-14页 |
| 1.3 本文主要研究内容 | 第14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第2章 基本的说话人识别系统 | 第16-27页 |
| 2.1 引言 | 第16页 |
| 2.2 前端处理 | 第16-20页 |
| 2.2.1 线性预测系数 | 第17页 |
| 2.2.2 梅尔倒谱系数 | 第17-20页 |
| 2.3 模型训练 | 第20-23页 |
| 2.3.1 GMM-UBM模型 | 第20-21页 |
| 2.3.2 I-VECTOR模型 | 第21-23页 |
| 2.4 模式匹配 | 第23-24页 |
| 2.4.1 似然分计算 | 第23-24页 |
| 2.4.2 余弦距离得分 | 第24页 |
| 2.5 实验平台与数据库 | 第24-26页 |
| 2.5.1 实验平台 | 第24页 |
| 2.5.2 实验数据库 | 第24-25页 |
| 2.5.3 评价指标 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第3章 基于偏最小二乘法的I-VECTOR说话人确认 | 第27-44页 |
| 3.1 引言 | 第27-28页 |
| 3.2 I-VECTOR总变化空间的估计 | 第28-35页 |
| 3.2.1 基于偏最小二乘的估计 | 第29-32页 |
| 3.2.2 主成分的求解 | 第32-34页 |
| 3.2.3 总变化空间矩阵维度的确定 | 第34-35页 |
| 3.3 I-VECTOR的提取 | 第35-36页 |
| 3.3.1 基于权矩阵的提取 | 第35-36页 |
| 3.3.2 基于自变量线性组合的提取 | 第36页 |
| 3.4 信道补偿与说话人匹配 | 第36-37页 |
| 3.4.1 信道补偿技术 | 第36-37页 |
| 3.4.2 说话人匹配 | 第37页 |
| 3.5 实验与分析 | 第37-43页 |
| 3.5.1 实验数据与设置 | 第37-38页 |
| 3.5.2 实验结果与分析 | 第38-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 基于回归惩罚的偏最小二乘说话人识别 | 第44-53页 |
| 4.1 引言 | 第44页 |
| 4.2 I-VECTOR总变化空间的估计 | 第44-48页 |
| 4.2.1 类别标识矩阵预测 | 第45-46页 |
| 4.2.2 总变化空间重估计 | 第46-48页 |
| 4.3 说话人匹配 | 第48-49页 |
| 4.3.1 说话人确认 | 第48页 |
| 4.3.2 说话人辨认 | 第48-49页 |
| 4.4 实验与分析 | 第49-52页 |
| 4.4.1 实验数据与设置 | 第49页 |
| 4.4.2 实验结果与分析 | 第49-52页 |
| 4.5 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-59页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第59-61页 |
| 致谢 | 第61页 |