基于支持向量机和小波分析的说话人识别技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 绪论 | 第8-12页 |
| ·课题研究的目的和意义 | 第8-9页 |
| ·和本课题有关的国内外研究现状 | 第9-10页 |
| ·说话人识别的发展状况 | 第9-10页 |
| ·支持向量机的研究现状 | 第10页 |
| ·本课题研究的主要工作 | 第10-12页 |
| 第2章 说话人识别 | 第12-17页 |
| ·说话人识别基本概念 | 第12页 |
| ·说话人识别的分类 | 第12-13页 |
| ·说话人识别和语音识别的差别 | 第13页 |
| ·说话人识别的基本原理 | 第13-15页 |
| ·说话人识别的主要方法 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第3章 支持向量机 | 第17-33页 |
| ·SVM的理论基础 | 第17-23页 |
| ·机器学习的基本问题和方法 | 第17-19页 |
| ·统计学习理论 | 第19-23页 |
| ·SVM的基本思想 | 第23-28页 |
| ·最优分类面 | 第23-26页 |
| ·核函数 | 第26-28页 |
| ·SVM的多类分类方法研究 | 第28-32页 |
| ·常用的 SVM多类分类算法 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 语音信号的预处理与小波分析研究 | 第33-47页 |
| ·语音信号的数字化 | 第33页 |
| ·语音信号的预处理 | 第33-38页 |
| ·预加重 | 第33-34页 |
| ·加窗分帧 | 第34-36页 |
| ·语音信号的端点检测 | 第36-38页 |
| ·小波分析与语音去噪 | 第38-46页 |
| ·小波分析与多分辨率分析 | 第39-41页 |
| ·常用的基小波与Daubechies小波 | 第41-42页 |
| ·小波去噪 | 第42-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 语音信号的特征提取研究 | 第47-52页 |
| ·说话人识别系统中常用的特征 | 第47-48页 |
| ·Mel倒谱参数 | 第48-51页 |
| ·本章小结 | 第51-52页 |
| 第6章 实验与分析 | 第52-67页 |
| ·实验的软件和硬件环境 | 第52页 |
| ·基于SVM和小波分析的说话人识别的框架模型 | 第52-53页 |
| ·主要实验步骤和实验结果分析 | 第53-67页 |
| ·语音采样 | 第53-54页 |
| ·预处理 | 第54-55页 |
| ·特征提取与处理 | 第55-58页 |
| ·选择核函数及其参数 | 第58-61页 |
| ·SVM训练与测试 | 第61-67页 |
| 第7章 总结与展望 | 第67-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间发表论文情况 | 第75页 |
