| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·耳语音研究背景 | 第10页 |
| ·耳语音说话人识别研究现状 | 第10-12页 |
| ·耳语音数据库介绍 | 第12-13页 |
| ·本文的主要工作 | 第13-14页 |
| ·论文结构 | 第14-15页 |
| 第二章 耳语音发音特点 | 第15-22页 |
| ·耳语音的声理特性 | 第15-17页 |
| ·耳语音不同信道的时频特点 | 第17-22页 |
| ·时域特点 | 第17-19页 |
| ·频域特点 | 第19-22页 |
| 第三章 基于GMM 的耳语说话人识别系统 | 第22-39页 |
| ·常用的模型训练方法 | 第23-24页 |
| ·特征参数 | 第24-28页 |
| ·特征预处理 | 第24-25页 |
| ·MFCC 提取 | 第25-28页 |
| ·一阶差分参数 | 第28页 |
| ·模型训练与识别 | 第28-33页 |
| ·K 均值聚类算法 | 第29-31页 |
| ·EM 算法 | 第31-32页 |
| ·系统的构建 | 第32-33页 |
| ·基于UBM-MAP的说话人识别系统 | 第33-36页 |
| ·通用背景模型(UBM)概述 | 第33-34页 |
| ·系统的训练与测试 | 第34-36页 |
| ·两种系统的结果及分析 | 第36-39页 |
| 第四章 复杂信道环境中耳语说话人识别 | 第39-58页 |
| ·常用的信道补偿技术 | 第39-42页 |
| ·特征域 | 第39-41页 |
| ·模型域 | 第41-42页 |
| ·得分域 | 第42页 |
| ·联合因子分析(JOINT FACTOR ANALYSIS) | 第42-44页 |
| ·因子分析与主成分分析的区别 | 第42页 |
| ·GMM 均值超向量提取 | 第42-43页 |
| ·联合因子分析概述 | 第43-44页 |
| ·基于JFA的说话人辨认模型 | 第44-49页 |
| ·UBM 和Baum-Welch 统计量计算 | 第45-46页 |
| ·说话人空间和信道空间估计 | 第46-47页 |
| ·残差空间估计 | 第47-48页 |
| ·JFA 的训练与测试 | 第48-49页 |
| ·实验结果及分析 | 第49-52页 |
| ·改进JFA在短时方面的测试 | 第52-58页 |
| ·常用的方法 | 第52-53页 |
| ·提出的混合补偿法 | 第53-54页 |
| ·提出方法的实验结果及分析 | 第54-58页 |
| 第五章 基于支持向量机的耳语说话人识别 | 第58-76页 |
| ·支持向量机概述 | 第58-63页 |
| ·最优分界面 | 第58-59页 |
| ·基本原理及算法 | 第59-62页 |
| ·常用核函数 | 第62-63页 |
| ·基于超向量和SVM 的耳语说话人识别 | 第63-67页 |
| ·超向量线性核函数 | 第63-64页 |
| ·SVM 的实现平台 | 第64-66页 |
| ·基于超向量的系统识别结果 | 第66-67页 |
| ·因子分析下的耳语说话人识别 | 第67-73页 |
| ·类内协方差规整(WCCN) | 第69-71页 |
| ·线性判别分析(LDA) | 第71-72页 |
| ·冗余属性投影(NAP) | 第72-73页 |
| ·基于说话人因子的系统识别结果 | 第73-76页 |
| 第六章 总结与展望 | 第76-78页 |
| ·论文总结 | 第76-77页 |
| ·今后展望 | 第77-78页 |
| 参考文献 | 第78-83页 |
| 攻读硕士学位期间发表的学术论文 | 第83-84页 |
| 致谢 | 第84-85页 |