非线性动力学方法在声纹分析中的应用
| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-6页 |
| 第一章 非线性时间序列分析 | 第6-8页 |
| 1．1 时间序列简介 | 第6页 |
| 1．2 非线性时间序列分析 | 第6-7页 |
| 1．3 非线性时间序列分析方法应用于声纹分析 | 第7-8页 |
| 第二章 声纹识别 | 第8-21页 |
| 2．1 历史与现状 | 第8-9页 |
| 2．2 物理基础 | 第9-10页 |
| 2．3 技术原理 | 第10-16页 |
| 2．3．1 特征提取 | 第11-14页 |
| 2．3．2 模式匹配 | 第14-16页 |
| 2．4 声纹识别应用前景 | 第16-17页 |
| 2．5 语音的非平稳、无序和非平衡性 | 第17-18页 |
| 2．6 存在问题和解决思路 | 第18-19页 |
| 2．6．1 现有说话人识别所存在的问题： | 第18-19页 |
| 2．6．2 用复杂性分析的说话人识别法 | 第19页 |
| 2．7 本课题的目的和任务 | 第19-21页 |
| 第三章 非线性时间序列的复杂性分析 | 第21-37页 |
| 3．1 基本理论 | 第21-24页 |
| 3．1．1 相空间重构 | 第21-23页 |
| 3．1．2 状态空间的分割 | 第23-24页 |
| 3．2 复杂性测度 | 第24-37页 |
| 3．2．1 基于统计物理学的几种复杂性 | 第26-31页 |
| 3．2．2 基于符号动力学理论的复杂性测度 | 第31-37页 |
| 第四章 分测度复杂性 | 第37-43页 |
| 4．1 现有复杂度存在的问题 | 第37-38页 |
| 4．2 分测度复杂性 | 第38-39页 |
| 4．3 权系数的确定 | 第39-43页 |
| 第五章 判别分析 | 第43-51页 |
| 5．1 均值检验 | 第44-45页 |
| 5．2 判别分析 | 第45-49页 |
| 5．2．1 距离判别 | 第45-47页 |
| 5．2．2 贝叶斯判别 | 第47-49页 |
| 5．3 误判率 | 第49-51页 |
| 第六章 语音时间序列的复杂性研究 | 第51-61页 |
| 6．1 本文的语音数据来源 | 第51-52页 |
| 6．2 语音信号复杂性计算 | 第52页 |
| 6．3 实验结果分析 | 第52-61页 |
| 6．3．1 基于复杂性特征曲线的比较 | 第52-55页 |
| 6．3．2 基于判别统计的比较分析 | 第55-61页 |
| 第七章 课题总结与展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 附录 | 第65页 |
