| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-9页 |
| 第一章 引言 | 第9-19页 |
| ·说话人识别简介 | 第9-12页 |
| ·说话人识别系统的分类 | 第10-11页 |
| ·说话人识别系统的发展和现况 | 第11-12页 |
| ·噪声环境中的说话人识别 | 第12-17页 |
| ·噪声的分类及影响 | 第12-13页 |
| ·噪声环境中的说话人识别的基本方法 | 第13-17页 |
| ·论文主要工作 | 第17-19页 |
| 第二章 基于MFCC和GMM的说话人识别系统 | 第19-28页 |
| ·系统框架 | 第19页 |
| ·MFCC特征提取 | 第19-22页 |
| ·高斯混合模型GMM | 第22-26页 |
| ·高斯混合模型 | 第22-23页 |
| ·参数训练 | 第23-25页 |
| ·解码器 | 第25-26页 |
| ·实验条件描述 | 第26-27页 |
| ·语音数据库 | 第26页 |
| ·噪声数据库 | 第26-27页 |
| ·基线系统 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第三章 基于MFCC的改进的鲁棒特征 | 第28-44页 |
| ·基于STSA估计的语音增强算法 | 第28-30页 |
| ·减谱法 | 第29页 |
| ·最小均方误差估计方法 | 第29-30页 |
| ·基于MFCC的鲁棒特征:PL_MFCC | 第30-34页 |
| ·PL_MFCC特征的性能 | 第34-43页 |
| ·PL_MFCC的抗噪声性能 | 第34-37页 |
| ·PL_MFCC与SS方法融合后的性能 | 第37-39页 |
| ·PL_MFCC与MMSE方法融合后的性能 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 第四章 直接倒谱加权GMM模型 | 第44-58页 |
| ·直接倒谱加权法 | 第44-48页 |
| ·传统的倒谱加权 | 第44-45页 |
| ·直接倒谱加权原理 | 第45-46页 |
| ·窗函数选择原理 | 第46-48页 |
| ·直接倒谱加权的GMM系统的性能 | 第48-53页 |
| ·白噪声中加权窗函数 | 第48-50页 |
| ·地铁噪声中的加权窗函数 | 第50页 |
| ·实验结果及讨论 | 第50-53页 |
| ·直接倒谱加权的GMM与MMSE融合后的性能 | 第53-56页 |
| ·融合后的加权窗函数 | 第53-54页 |
| ·与MMSE融合后的识别结果 | 第54-56页 |
| ·背景噪声类型的识别 | 第56页 |
| ·本章小结 | 第56-58页 |
| 第五章 多空间信号处理的抗噪声说话人识别 | 第58-70页 |
| ·模型空间并行模型合并算法 | 第58-60页 |
| ·MMSE+LA融合方法 | 第60-62页 |
| ·MMSE+LA在白噪声中的性能 | 第60-61页 |
| ·MMSE+LA在地铁噪声中的性能 | 第61-62页 |
| ·LA+CW融合方案 | 第62-65页 |
| ·LA+CW在白噪声中的性能 | 第62-63页 |
| ·LA+CW在地铁噪声中的性能 | 第63-65页 |
| ·MMSE,PL_MFCC 和CW_GMM的融合方法 | 第65-69页 |
| ·MMSE+PL_MFCC+CW原理 | 第65页 |
| ·MMSE+PL_MFCC+CW在白噪声中的性能 | 第65-68页 |
| ·MMSE+PL_MFCC+CW在地铁噪声中的性能 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 结论 | 第70-72页 |
| ·论文工作总结 | 第70-71页 |
| ·进一步研究的建议 | 第71-72页 |
| 参考文献 | 第72-77页 |
| 致谢、声明 | 第77-78页 |
| 个人简历、攻读硕士学位期间发表的学术论文 | 第78页 |