说话人识别算法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 致谢 | 第6-10页 |
| 1 引言 | 第10-18页 |
| ·研究背景 | 第10页 |
| ·说话人识别的基本概念 | 第10-13页 |
| ·说话人识别的研究现状与难点 | 第13-14页 |
| ·FPGA设计简介 | 第14-15页 |
| ·基于NIOS的SOPC设计流程 | 第15-16页 |
| ·本论文的主要工作 | 第16-18页 |
| 2 语音信号处理和特征提取 | 第18-32页 |
| ·语音的产生模型和基本特征 | 第18-20页 |
| ·语音信号的基音频率提取 | 第20-23页 |
| ·语音信号的倒谱分析 | 第23-29页 |
| ·线性预测倒谱参数LPCC | 第24-27页 |
| ·Mel频标倒谱系数MFCC | 第27-29页 |
| ·长时倒谱特征 | 第29-32页 |
| 3 矢量量化 | 第32-44页 |
| ·矢量量化原理 | 第32-34页 |
| ·码本设计 | 第34-37页 |
| ·LBG算法 | 第34-35页 |
| ·初始码本的设计方法 | 第35-37页 |
| ·随机初始码本 | 第35页 |
| ·分裂法初始码本 | 第35-37页 |
| ·搜索策略 | 第37-38页 |
| ·基于VQ的说话人识别算法 | 第38-44页 |
| 4 隐含马尔科夫模型 | 第44-54页 |
| ·HMM的基础理论 | 第46-50页 |
| ·前向一后向算法 | 第46-47页 |
| ·Baum-Welch算法 | 第47-48页 |
| ·Viterbi算法 | 第48-50页 |
| ·HMM的实现 | 第50-53页 |
| ·模型的选择 | 第50-51页 |
| ·多个观察值序列训练 | 第51页 |
| ·比例因子问题 | 第51-53页 |
| ·HMM的不足及其解决方法 | 第53-54页 |
| 5 基于MFCC特征参数的HMM说话人识别算法 | 第54-68页 |
| ·说话人识别系统的训练部分 | 第54-57页 |
| ·说话人识别系统训练基本流程 | 第54页 |
| ·预处理 | 第54-55页 |
| ·特征提取 | 第55-56页 |
| ·码本训练 | 第56-57页 |
| ·HMM训练 | 第57页 |
| ·说话人识别系统的识别部分 | 第57-61页 |
| ·说话人识别系统识别基本流程 | 第57-58页 |
| ·预处理及特征提取 | 第58页 |
| ·矢量量化 | 第58页 |
| ·HMM识别 | 第58-59页 |
| ·整帧信噪比分段加权 | 第59-60页 |
| ·集成电路实现 | 第60-61页 |
| ·仿真实验 | 第61-68页 |
| ·测试语音库 | 第61-62页 |
| ·实验结果 | 第62-68页 |
| 6 总结与展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
