基于EMD的说话人识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 引言 | 第8-17页 |
| ·说话人识别的研究历史及意义 | 第9-10页 |
| ·说话人识别的研究 | 第10-13页 |
| ·说话人识别的分类 | 第10-11页 |
| ·说话人识别原理 | 第11-12页 |
| ·说话人识别的特征参数 | 第12-13页 |
| ·说话人识别模型 | 第13页 |
| ·说话人识别面临的挑战 | 第13-14页 |
| ·本文的主要研究工作 | 第14-15页 |
| ·论文结构安排 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 经验模态分解法 | 第17-23页 |
| ·希尔伯特黄变换(HHT)概述 | 第17-18页 |
| ·经验模态分解法(EMD)原理 | 第18-20页 |
| ·希尔伯特谱分析(HSA) | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 支持向量机 | 第23-31页 |
| ·机器学习理论 | 第23-24页 |
| ·统计学习理论 | 第24-27页 |
| ·学习过程一致性 | 第24-25页 |
| ·VC维和推广性的界 | 第25-26页 |
| ·结构风险最小化 | 第26-27页 |
| ·支持向量机概述 | 第27-29页 |
| ·支持向量机 | 第27-28页 |
| ·核函数 | 第28-29页 |
| ·多类分类SVM问题 | 第29页 |
| ·SVM软件 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 基于WMCEP和EMD的特征参数提取 | 第31-38页 |
| ·基于加权mel倒谱系数的说话人识别研究 | 第31-35页 |
| ·Mel倒谱分析 | 第32页 |
| ·加权mel倒谱分析 | 第32-33页 |
| ·感知权重函数的选择 | 第33页 |
| ·误差函数最小化问题的求解过程 | 第33-35页 |
| ·基于EMD的特征参数提取 | 第35-37页 |
| ·特征参数提取 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第5章 实验数据分析 | 第38-68页 |
| ·基于WMCEP的说话人辨认研究 | 第38-41页 |
| ·实验语料 | 第38-39页 |
| ·识别过程 | 第39页 |
| ·实验结果与分析 | 第39-41页 |
| ·基于EMD的说话人辨认研究 | 第41-45页 |
| ·实验语料 | 第41页 |
| ·识别过程 | 第41-42页 |
| ·实验结果与分析 | 第42-45页 |
| ·基于HSA谱和边界谱的特征分析 | 第45-60页 |
| ·基于HSA和边界谱的信号分析 | 第46-50页 |
| ·基于HSA和边界谱的EMD提取特征方法分析 | 第50-60页 |
| ·实验语料 | 第51页 |
| ·实验过程 | 第51-52页 |
| ·实验结果与分析 | 第52-60页 |
| ·基于残差相位的EMD特征提取分析 | 第60-67页 |
| ·实验一没有EMD分解参与 | 第62-63页 |
| ·实验二有EMD分解参与 | 第63-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 结论与展望 | 第68-70页 |
| ·论文工作总结 | 第68-69页 |
| ·工作展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录A SVM的计算软件——LIBSVM简介 | 第74-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间所发表的论文与主要成果 | 第77页 |
