| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 1 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 声纹识别的研究现状 | 第9-11页 |
| 1.3 论文的组织框架 | 第11-12页 |
| 2 声纹识别的概述 | 第12-24页 |
| 2.1 声纹识别基本原理 | 第12-13页 |
| 2.2 语音信号的预处理 | 第13-15页 |
| 2.3 特征参数提取 | 第15-21页 |
| 2.4 模式匹配方法 | 第21-22页 |
| 2.5 本章小结 | 第22-24页 |
| 3 多路最优声纹识别系统设计 | 第24-54页 |
| 3.1 系统总体设计 | 第24-26页 |
| 3.2 相关核心算法 | 第26-36页 |
| 3.2.1 矢量量化 | 第26-27页 |
| 3.2.2 遗传算法 | 第27-29页 |
| 3.2.3 BP 神经网络 | 第29-32页 |
| 3.2.4 高斯混合模型 | 第32-36页 |
| 3.3 系统流程设计 | 第36-42页 |
| 3.4 实验结果与分析 | 第42-52页 |
| 3.4.1 不同信噪比下三种方案识别性能分析 | 第42-44页 |
| 3.4.2 不同语音时长下三种方案识别性能分析 | 第44-46页 |
| 3.4.3 不同类型特征参数下三种方案识别性能分析 | 第46-49页 |
| 3.4.4 不同特征维度下三种方案识别性能分析 | 第49-51页 |
| 3.4.5 多路最优算法的识别结果分析 | 第51-52页 |
| 3.6 本章小结 | 第52-54页 |
| 4 基于动态类别码本设计的声纹类别识别 | 第54-66页 |
| 4.1 声纹类别识别概述 | 第54-55页 |
| 4.2 动态声纹类别识别 | 第55-59页 |
| 4.2.1 静态类别识别 | 第55-56页 |
| 4.2.2 简单动态类别识别 | 第56-57页 |
| 4.2.3 基于存储器的动态类别识别 | 第57-58页 |
| 4.2.4 基于遗传算法的动态类别识别 | 第58-59页 |
| 4.3 实验结果与分析 | 第59-64页 |
| 4.3.1 不同类别码本的差异性比较 | 第60页 |
| 4.3.2 不同类别特征点分布的比较分析 | 第60-61页 |
| 4.3.3 四种类别识别方法的识别结果与分析 | 第61-63页 |
| 4.3.4 不同存储空间下的类别识别结果与分析 | 第63-64页 |
| 4.4 本章小结 | 第64-66页 |
| 5 基于 DSP 的声纹识别系统设计 | 第66-76页 |
| 5.1 硬件系统方案设计 | 第67-70页 |
| 5.1.1 TMS320DM642 概述 | 第67页 |
| 5.1.2 硬件系统构成 | 第67-70页 |
| 5.2 系统的软件实现方案 | 第70-72页 |
| 5.3 软件系统开发与联调 | 第72-75页 |
| 5.4 本章小结 | 第75-76页 |
| 6 总结与展望 | 第76-78页 |
| 6.1 总结 | 第76-77页 |
| 6.2 展望 | 第77-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 附录 | 第84页 |
| 作者在攻读学位期间的科研项目和相关成果 | 第84页 |