基于朱鹮鸣声的个体识别技术研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-12页 |
| 1.1 研究背景及意义 | 第7页 |
| 1.2 国内外研究现状 | 第7-9页 |
| 1.3 基于朱鹮鸣声的语音识别 | 第9-10页 |
| 1.3.1 朱鹮鸣声识别研究的基本方法 | 第9-10页 |
| 1.3.2 朱鹮鸣声识别研究的技术难点 | 第10页 |
| 1.4 本文主要工作 | 第10-12页 |
| 2 朱鹮鸣声信号的预处理 | 第12-20页 |
| 2.1 朱鹮鸣声信号的采集与数字化 | 第12-13页 |
| 2.2 朱鹮鸣声信号的预处理 | 第13-16页 |
| 2.2.1 朱鹮鸣声信号预加重处理 | 第13-14页 |
| 2.2.2 朱鹮鸣声信号分帧、加窗处理 | 第14-16页 |
| 2.3 朱鹮鸣声信号的端点检测 | 第16-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 朱鹮鸣声信号的特征提取 | 第20-37页 |
| 3.1 朱鹮鸣声特征提取准则 | 第20页 |
| 3.2 线性预测系数 | 第20-27页 |
| 3.2.1 线性预测中LPC分析 | 第20-24页 |
| 3.2.2 线性预测倒谱系数 | 第24-27页 |
| 3.3 梅尔频率倒谱系数（MFCC） | 第27-30页 |
| 3.3.1 Mel频率 | 第27-28页 |
| 3.3.2 MFCC系数的提取 | 第28-30页 |
| 3.4 基于HHT的MFCC算法 | 第30-35页 |
| 3.4.1 希尔波特—黄变换（HHT） | 第30-34页 |
| 3.4.2 基于HHT的改进MFCC算法 | 第34-35页 |
| 3.5 本章小结 | 第35-37页 |
| 4 朱鹮鸣声信号的个体识别 | 第37-46页 |
| 4.1 语音识别的基本算法及分类 | 第37-40页 |
| 4.2 高斯混合模型 | 第40-44页 |
| 4.2.1 GMM模型的基本概念 | 第40页 |
| 4.2.2 GMM模型的参数估计 | 第40-42页 |
| 4.2.3 GMM模型的参数初始化 | 第42-43页 |
| 4.2.4 GMM模型的识别 | 第43-44页 |
| 4.3 基于朱鹮鸣声的改进双重GMM模型 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 5 实验和结论 | 第46-55页 |
| 5.1 系统概述 | 第46页 |
| 5.2 系统功能实现 | 第46-53页 |
| 5.3 本章小结 | 第53-55页 |
| 6 总结与展望 | 第55-56页 |
| 6.1 总结 | 第55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
| 攻读硕士期间发表的论文和科研情况 | 第60页 |
