| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 文本无关说话人年龄识别概述 | 第8-9页 |
| 1.2 文本无关说话人年龄识别的意义与应用 | 第9页 |
| 1.3 本课题的国内外研究现状 | 第9-10页 |
| 1.4 本研究的主要工作和要解决的问题。 | 第10-11页 |
| 1.5 论文内容安排 | 第11-12页 |
| 第二章 年龄语音识别的基础理论 | 第12-27页 |
| 2.1 语音信号概述 | 第12-13页 |
| 2.2 语音信号的数学模型 | 第13-16页 |
| 2.3 语音信号处理和分析 | 第16-20页 |
| 2.3.1 预处理 | 第16-19页 |
| 2.3.2 端点检测（语音活性检测）及去噪 | 第19-20页 |
| 2.4 特征提取 | 第20-22页 |
| 2.5 语音识别的主要方法 | 第22-27页 |
| 2.5.1 矢量量化 | 第22-23页 |
| 2.5.2 人工神经网络技术 | 第23-25页 |
| 2.5.3 统计模式识别 | 第25-27页 |
| 第三章 说话人年龄识别的统计识别方法 | 第27-35页 |
| 3.1 说话人年龄识别系统概述 | 第27-28页 |
| 3.2 高斯分布 | 第28页 |
| 3.3 高斯混合模型(Gaussian Mixture Model) | 第28-30页 |
| 3.4 EM算法 | 第30-32页 |
| 3.4.1 EM算法流程 | 第30-32页 |
| 3.4.2 EM算法的初始化和局部极小值问题 | 第32页 |
| 3.5 语音信号高斯混合模型的建立 | 第32-34页 |
| 3.5.1 语音信号的分组 | 第32页 |
| 3.5.2 特征向量的整理和划分 | 第32-33页 |
| 3.5.3 训练得到高斯混合模型 | 第33-34页 |
| 3.6 利用训练得到的高斯混合模型识别测试集中的语音信号 | 第34-35页 |
| 第四章 实验过程及结果分析和改进 | 第35-43页 |
| 4.1 训练集和测试集说话人不同情况下的研究 | 第35-37页 |
| 4.2 训练集和测试集说话人相同情况下的研究 | 第37-38页 |
| 4.3 进一步提升识别精度和改进模型及训练方法的探讨 | 第38-39页 |
| 4.4 通用背景模型GMM-UBM | 第39页 |
| 4.5 GMM-UBM模型训练 | 第39-41页 |
| 4.6 利用GMM-UBM模型的实验及分析 | 第41-43页 |
| 第五章 总结和展望 | 第43-45页 |
| 5.1 总结 | 第43页 |
| 5.2 展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 致谢 | 第48-49页 |
