基于支持向量机的说话人识别研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-17页 |
| ·说话人识别概述 | 第8-9页 |
| ·说话人识别的应用领域 | 第9-10页 |
| ·说话人识别的研究现状 | 第10-11页 |
| ·说话人识别的难点 | 第11-12页 |
| ·说话人识别的主要方法 | 第12-14页 |
| ·说话人识别的系统结构 | 第14-15页 |
| ·本论文的研究内容 | 第15-17页 |
| 第二章 说话人识别的特征参数提取 | 第17-30页 |
| ·特征参数提取概述 | 第17-18页 |
| ·特征参数提取的预处理 | 第18-23页 |
| ·采样和量化 | 第18-20页 |
| ·预加重 | 第20-21页 |
| ·分帧加窗 | 第21-23页 |
| ·线性预测倒谱系数 | 第23-25页 |
| ·线性预测编码LPC | 第23-25页 |
| ·线性预测倒谱系数LPCC | 第25页 |
| ·美尔倒谱系数MFCC | 第25-29页 |
| ·听觉的Mel频率特性 | 第25-26页 |
| ·MFCC系数提取的流程 | 第26-28页 |
| ·Mel差分倒谱系数 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 支持向量机与说话人识别 | 第30-43页 |
| ·理论背景 | 第30-31页 |
| ·统计学习理论与支持向量机 | 第31-33页 |
| ·支持向量机理论基础 | 第33-39页 |
| ·线性最优分类超平面 | 第33-35页 |
| ·支持向量机模型 | 第35-36页 |
| ·支持向量机实现的步骤 | 第36-37页 |
| ·多类样本分类的实现 | 第37-38页 |
| ·特征空间和核函数 | 第38-39页 |
| ·基于SVM的说话人识别系统 | 第39-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 支持向量机样本约简研究 | 第43-54页 |
| ·样本约简概述 | 第43-44页 |
| ·约简方法的分类 | 第44-49页 |
| ·聚类中心提取法 | 第44-46页 |
| ·边界样本提取法 | 第46-48页 |
| ·冗余样本抛弃法 | 第48-49页 |
| ·基于支持聚类区提取的约简方法 | 第49-53页 |
| ·模糊核聚类操作 | 第49页 |
| ·提取支持聚类区 | 第49-50页 |
| ·提取支持向量 | 第50-52页 |
| ·基于SCA-SVM的说话人识别系统 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 系统实验和分析 | 第54-72页 |
| ·系统实验环境 | 第54页 |
| ·系统实现过程 | 第54-55页 |
| ·特征参数相关实验和分析 | 第55-59页 |
| ·核函数相关实验和分析 | 第59-60页 |
| ·线性可分样本的约简实验和分析 | 第60-64页 |
| ·语音特征样本的约简实验和分析 | 第64-67页 |
| ·SCA方法的参数整定实验和分析 | 第67-68页 |
| ·说话人识别模型实验和分析 | 第68-71页 |
| ·本章小节 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| ·工作总结 | 第72-73页 |
| ·下一步工作 | 第73-74页 |
| 参考文献 | 第74-79页 |
| 致谢 | 第79-80页 |
| 攻读硕士学位期间主要的研究成果 | 第80页 |
