基于连续隐马尔可夫模型的说话人识别
| 第一章 引言 | 第1-15页 |
| ·身份验证 | 第7-8页 |
| ·说话人识别的基本概念 | 第8-9页 |
| ·说话人识别的应用 | 第9页 |
| ·说话人识别的研究历史和现状 | 第9-12页 |
| ·说话人识别原理 | 第12-13页 |
| ·主要研究内容和论文结构 | 第13-14页 |
| ·本章小节 | 第14-15页 |
| 第二章 语音信号的前端处理 | 第15-21页 |
| ·语音信号的数字化 | 第15页 |
| ·语音信号的数字模型 | 第15-16页 |
| ·语音信号的预加重 | 第16-18页 |
| ·短时分帧 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 仿人智能语音端点检测方法 | 第21-45页 |
| ·端点检测概述 | 第21-22页 |
| ·短时幅度和短时过零率 | 第22-25页 |
| ·短时幅度 | 第23页 |
| ·短时过零率 | 第23-25页 |
| ·几种阈值依赖的端点检测算法简介 | 第25-29页 |
| ·双门限端点检测法 | 第25-27页 |
| ·快速端点检测算法 | 第27-29页 |
| ·倒谱特征端点检测算法 | 第29页 |
| ·仿人智能端点检测法 | 第29-36页 |
| ·语音起点判据和语音终点判据 | 第30-33页 |
| ·仿人智能端点检测算法 | 第33-36页 |
| ·端点检测实验 | 第36-44页 |
| ·孤立词端点检测实验 | 第36-41页 |
| ·连续数字串端点检测实验 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 特征矢量提取 | 第45-53页 |
| ·倒谱处理 | 第46-47页 |
| ·线性预测倒谱系数 | 第47-48页 |
| ·Mel频率倒谱系数 | 第48-52页 |
| ·Mel频率倒谱系数计算 | 第49-52页 |
| ·特征矢量的均值归一化 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第五章 隐马尔可夫模型 | 第53-75页 |
| ·隐马尔可夫模型基本理论 | 第53-54页 |
| ·隐马尔可夫模型应用于语音识别的3个问题 | 第54-59页 |
| ·计算输出序列的产生概率 | 第54-56页 |
| ·最优状态序列搜索-Viterbi算法 | 第56-57页 |
| ·CHMM参数的Baum-Welch重估算法 | 第57-59页 |
| ·A和a的重新估计 | 第58页 |
| ·观察矢量输出概率密度函数的重新估计 | 第58-59页 |
| ·CHMM的初始模型估计及其参数训练 | 第59-66页 |
| ·CHMM模型参数分段 K均值训练算法 | 第60-61页 |
| ·均衡化改进 K均值聚类法 | 第61-66页 |
| ·EMKC算法描述 | 第62-63页 |
| ·CHMM初始模型提取实验 | 第63-66页 |
| ·CHMM的区别性训练法 | 第66-70页 |
| ·近似 MMI算法 | 第67-68页 |
| ·使用不完全数据的模型最优化过程 | 第68-69页 |
| ·CHMM的区别性参数重估法 | 第69-70页 |
| ·CHMM参数训练实验 | 第70-74页 |
| ·应用 Baum-Welch参数重估法的实验 | 第71-72页 |
| ·应用区别性训练法的实验 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 第六章 说话人识别 | 第75-81页 |
| ·说话人识别的方法 | 第75-77页 |
| ·采用 CHMM进行说话人识别的原理 | 第77-78页 |
| ·说话人识别实验 | 第78-80页 |
| ·语音库描述 | 第78页 |
| ·说话人辨认实验 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 第七章 全文总结和研究展望 | 第81-83页 |
| ·全文总结 | 第81-82页 |
| ·研究展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 摘要 | 第87-89页 |
| Abstract | 第89-92页 |
| 致谢 | 第92页 |
