基于VQ/HMM的说话人识别方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 语音识别技术 | 第9-14页 |
| ·语音识别的重要意义和目的 | 第9-10页 |
| ·语音识别的发展历史 | 第10-11页 |
| ·说话人识别的方法 | 第11-13页 |
| ·本文的主要工作内容 | 第13-14页 |
| 2 样本收集与预处理 | 第14-18页 |
| ·与文本相关的汉语语音小样本库设计 | 第14-15页 |
| ·语音信号的预处理 | 第15-18页 |
| ·预加重 | 第15-16页 |
| ·分帧和加窗 | 第16-17页 |
| ·语音分割 | 第17-18页 |
| 3 语音信号的特征分析 | 第18-22页 |
| ·语音信号的短时时域处理 | 第18-20页 |
| ·短时能量分析 | 第18页 |
| ·短时平均过零率 | 第18-19页 |
| ·短时自相关函数 | 第19页 |
| ·短时平均幅度差函数 | 第19-20页 |
| ·语音信号的频域处理 | 第20-21页 |
| ·短时傅里叶变换 | 第20-21页 |
| ·基于听觉特性的Mel 频率倒谱系数MFCC | 第21页 |
| 本章小结 | 第21-22页 |
| 4 矢量量化技术（VQ） | 第22-25页 |
| ·码本设计 | 第22-23页 |
| ·失真测度 | 第23-25页 |
| ·欧几里得距离测度和平方差误差测度 | 第23-24页 |
| ·加权平方误差测度 | 第24页 |
| ·倒谱失真测度 | 第24-25页 |
| 5 基于隐马尔可夫模型（HMM）的识别技术 | 第25-29页 |
| ·马尔可夫链 | 第25页 |
| ·隐马尔可夫模型（HMM） | 第25-26页 |
| ·HMM 基本算法及模型 | 第26-29页 |
| ·前向-后向算法 | 第26-27页 |
| ·Baum-Welch 算法 | 第27-28页 |
| ·viterbi 算法 | 第28-29页 |
| 6 语音特征提取过程 | 第29-43页 |
| ·改进的MEL 频率倒谱系数特征 | 第29页 |
| ·元音的特征提取流程 | 第29-33页 |
| ·语音信号的短时能量分析 | 第30-31页 |
| ·短时平均过零率分析 | 第31-33页 |
| ·语音信号的频域分析 | 第33-41页 |
| ·短时傅理叶频率变换 | 第33-35页 |
| ·短时傅里叶频谱分析 | 第35-39页 |
| ·Mel 频率倒谱系数MFCC | 第39-41页 |
| ·小样本库的语音信号特征提取过程 | 第41-42页 |
| 本章小结 | 第42-43页 |
| 7 基于VQ 和HMM 的说话人识别系统 | 第43-52页 |
| ·基于VQ 的说话人识系统设计 | 第43-45页 |
| ·识别任务 | 第43-44页 |
| ·VQ 模型的训练过程 | 第44页 |
| ·识别过程 | 第44-45页 |
| ·实验结果与分析 | 第45页 |
| ·基于HMM 的识别系统设计 | 第45-49页 |
| ·识别任务 | 第45-46页 |
| ·识别过程 | 第46页 |
| ·HMM 说话人识别系统的模型选择 | 第46-47页 |
| ·改进的MFC 系数对HMM 模型的参数的简化 | 第47页 |
| ·实验结果与分析 | 第47-49页 |
| ·基于VQ/HMM 模型的两级说话人识别实验 | 第49-51页 |
| ·识别任务 | 第49页 |
| ·实验结果 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 8 总结与展望 | 第52-54页 |
| 攻读硕士学位期间学术论文及科研情况 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
