| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-22页 |
| 1.1 课题背景及研究的目的和意义 | 第11-12页 |
| 1.2 研究历史以及国内外研究概况 | 第12-13页 |
| 1.3 说话人识别系统简介 | 第13-20页 |
| 1.3.1 说话人系统概述 | 第14-15页 |
| 1.3.2 说话人识别特征参数 | 第15-18页 |
| 1.3.3 说话人识别模型概述 | 第18-19页 |
| 1.3.4 声纹识别的性能评价指标 | 第19-20页 |
| 1.4 本论文的主要研究内容 | 第20-22页 |
| 第2章 基线说话人识别系统 | 第22-40页 |
| 2.1 引言 | 第22页 |
| 2.2 基于TVM-I-Vector的说话人识别系统 | 第22-30页 |
| 2.2.1 系统框架结构 | 第22-23页 |
| 2.2.2 通用背景模型参数估计 | 第23-25页 |
| 2.2.3 全局差异空间的估计及I-Vector的提取 | 第25-28页 |
| 2.2.4 注册及打分 | 第28页 |
| 2.2.5 信道补偿技术 | 第28-30页 |
| 2.3 基于DNN统计量提取的说话人识别系统 | 第30-35页 |
| 2.3.1 通用背景模型概述 | 第31-32页 |
| 2.3.2 语音识别中的深度神经网络 | 第32-34页 |
| 2.3.3 基于DNN统计量的提取 | 第34-35页 |
| 2.4 基于DBF的说话人识别 | 第35-37页 |
| 2.4.1 深度瓶颈特征 | 第35-36页 |
| 2.4.2 基于DBF的I-Vector建模 | 第36-37页 |
| 2.5 实验与分析 | 第37-40页 |
| 2.5.1 实验数据及实验设置 | 第37-38页 |
| 2.5.2 实验结果与分析 | 第38-39页 |
| 2.5.3 本章小结 | 第39-40页 |
| 第3章 基于特征融合的说话人识别 | 第40-44页 |
| 3.1 引言 | 第40页 |
| 3.2 深、浅层特征融合 | 第40-41页 |
| 3.3 实验与分析 | 第41-43页 |
| 3.3.1 实验设置 | 第41页 |
| 3.3.2 实验结果与分析 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第4章 基于模型融合的说话人识别 | 第44-50页 |
| 4.1 引言 | 第44页 |
| 4.2 基于I-Vector的模型融合 | 第44-45页 |
| 4.3 实验与分析 | 第45-48页 |
| 4.3.1 实验设置 | 第45-46页 |
| 4.3.2 实验结果与分析 | 第46-48页 |
| 4.4 本章小结 | 第48-50页 |
| 第5章 基于端到端的说话人识别 | 第50-58页 |
| 5.1 引言 | 第50-51页 |
| 5.2 时延神经网络 | 第51-52页 |
| 5.3 基于端到端的说话人识别系统建模 | 第52-54页 |
| 5.3.1 前端输入与后端设置 | 第53页 |
| 5.3.2 网络结构 | 第53-54页 |
| 5.3.3 特征提取 | 第54页 |
| 5.4 实验与分析 | 第54-57页 |
| 5.4.1 实验设置 | 第55页 |
| 5.4.2 实验结果与分析 | 第55-57页 |
| 5.5 本章小结 | 第57-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间所发表的学术论文 | 第66-67页 |
| 致谢 | 第67页 |