基于SOINN-GMM的说话人识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-11页 |
| 第一章 引言 | 第11-21页 |
| ·生物识别技术 | 第11-12页 |
| ·说话人识别概述 | 第12-19页 |
| ·说话人识别的基本概念 | 第12-14页 |
| ·说话人识别研究的应用与前景 | 第14-16页 |
| ·说话人识别技术发展历史 | 第16-17页 |
| ·说话人识别现状 | 第17-18页 |
| ·语音特征参数提取方法 | 第18页 |
| ·说话人识别的主要学习策略 | 第18-19页 |
| ·实验环境 | 第19-20页 |
| ·论文的主要研究内容 | 第20-21页 |
| 第二章 语音信号特征参数提取方法 | 第21-34页 |
| ·语音的基础知识 | 第21页 |
| ·语音产生的原理 | 第21页 |
| ·语音信号预处理技术 | 第21-22页 |
| ·常用的特征提取方法 | 第22-31页 |
| ·语音的数字化处理 | 第22页 |
| ·端点检测 | 第22-26页 |
| ·预加重 | 第26-27页 |
| ·分帧加窗 | 第27页 |
| ·线性预测系数及其倒谱系数 | 第27-29页 |
| ·梅尔倒谱系数 | 第29-31页 |
| ·去噪方法 | 第31-33页 |
| ·小结 | 第33-34页 |
| 第三章 说话人识别模型 | 第34-50页 |
| ·支持向量机(SVM) | 第35-39页 |
| ·支持向量机原理 | 第36-39页 |
| ·隐马尔可夫模型(HMM) | 第39-43页 |
| ·HMM前向后向算法 | 第40-42页 |
| ·HMM的训练算法 | 第42-43页 |
| ·高斯混合模型(GMM) | 第43-49页 |
| ·高斯混合模型的定义及其基本概念 | 第43-49页 |
| ·小结 | 第49-50页 |
| 第四章 基于SOINN-GMM的增量学习 | 第50-68页 |
| ·自组织增量学习神经网络(SOINN) | 第50-52页 |
| ·基于SOINN-GMM的增量学习 | 第52-60页 |
| ·增量学习高斯混合模型原理及推导方法 | 第60-62页 |
| ·使用高斯混合模型时遇到的问题 | 第62-66页 |
| ·高斯混合模型阶数问题 | 第62-64页 |
| ·协方差矩阵问题 | 第64-65页 |
| ·概率密度函数为0问题 | 第65-66页 |
| ·高斯混合模型局部最优问题 | 第66页 |
| ·小结 | 第66-68页 |
| 第五章 说话人识别系统与实验分析 | 第68-78页 |
| ·实验数据与实验平台 | 第68页 |
| ·说话人识别系统评估 | 第68-76页 |
| ·实验特征参数 | 第68-69页 |
| ·模型的训练 | 第69-70页 |
| ·实验结果与分析 | 第70-76页 |
| ·小结 | 第76-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 参考文献 | 第80-85页 |
| 致谢 | 第85-86页 |
