| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究工作的背景与意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国内研究现状 | 第11-12页 |
| 1.2.2 国际研究现状 | 第12-13页 |
| 1.3 声纹识别技术的发展 | 第13-14页 |
| 1.4 声纹识别技术的挑战和机遇 | 第14-16页 |
| 1.4.1 声纹识别的挑战 | 第14-15页 |
| 1.4.2 声纹识别的机遇 | 第15-16页 |
| 1.5 本文的主要工作 | 第16页 |
| 1.6 本论文的结构安排 | 第16-18页 |
| 第二章 深度学习的社保声纹理论基础 | 第18-30页 |
| 2.1 神经网络的理论基础 | 第18-21页 |
| 2.1.1 前馈神经网络的结构 | 第18-20页 |
| 2.1.2 梯度下降 | 第20-21页 |
| 2.2 深度神经网络 | 第21-24页 |
| 2.2.1 深度学习 | 第21-24页 |
| 2.2.2 深度神经网络 | 第24页 |
| 2.3 MFCC+GMM | 第24-29页 |
| 2.3.1 语音系统的基本构成 | 第24-25页 |
| 2.3.2 语音识别的参数 | 第25-27页 |
| 2.3.3 MFCC参数的获取和GMM训练 | 第27-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 社保声纹系统的需求分析 | 第30-39页 |
| 3.1 系统的整体需求 | 第30页 |
| 3.2 系统的业务需求 | 第30-36页 |
| 3.2.1 业务需求分析 | 第30-31页 |
| 3.2.2 数据采集业务分析 | 第31-32页 |
| 3.2.3 后台业务管理分析 | 第32-35页 |
| 3.2.4 数据处理规划业务分析 | 第35-36页 |
| 3.3 系统的功能需求 | 第36页 |
| 3.4 用户需求 | 第36页 |
| 3.5 非功能性需求 | 第36页 |
| 3.6 可行性分析 | 第36-38页 |
| 3.6.1 背景分析 | 第36-37页 |
| 3.6.2 经济可行性分析 | 第37页 |
| 3.6.3 技术可行性分析 | 第37-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第四章 社保声纹系统设计 | 第39-50页 |
| 4.1 声纹社保系统的物理部署 | 第39-40页 |
| 4.2 声纹社保系统的整体架构 | 第40-41页 |
| 4.3 声纹社保系统的总体结构 | 第41-49页 |
| 4.3.1 系统的框架 | 第41-44页 |
| 4.3.2 多元判决函数的使用 | 第44-47页 |
| 4.3.3 系统的学习流程 | 第47-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第五章 UBM背景仓库的设计 | 第50-74页 |
| 5.1 神经网络和UBM整合的原因 | 第50-51页 |
| 5.2 扇面的获取 | 第51-52页 |
| 5.3 UBM背景仓库的建立 | 第52-73页 |
| 5.3.1 UBM背景仓库分类 | 第52-53页 |
| 5.3.2 UBM感知器仓库 | 第53-55页 |
| 5.3.3 UBM基元仓库 | 第55-57页 |
| 5.3.4 UBM信息扇面仓库 | 第57-60页 |
| 5.3.5 UBM方法仓库 | 第60-61页 |
| 5.3.6 UBM基元节点仓库 | 第61页 |
| 5.3.7 UBM网络连接仓库 | 第61-73页 |
| 5.4 本章小结 | 第73-74页 |
| 第六章 社保声纹系统的实现和测试 | 第74-87页 |
| 6.1 社保声纹系统的实现 | 第74-76页 |
| 6.1.1 社保声纹系统的算法实现 | 第74-75页 |
| 6.1.2 社保声纹系统的工程实现 | 第75-76页 |
| 6.2 系统的生成日志 | 第76-78页 |
| 6.3 性别特征和情感特征测试 | 第78-80页 |
| 6.4 半年过后验证对比测试 | 第80页 |
| 6.5 单个数字结果测试 | 第80-82页 |
| 6.6 MFCC+GMM和多元判决函数通过率对比情况 | 第82-83页 |
| 6.7 测试系统的通过率情况 | 第83-86页 |
| 6.8 本章小结 | 第86-87页 |
| 第七章 结论 | 第87-88页 |
| 7.1 本文的主要内容 | 第87页 |
| 7.2 下一步的工作展望 | 第87-88页 |
| 致谢 | 第88-89页 |
| 参考文献 | 第89-93页 |