噪声环境下的说话人识别技术研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-19页 |
| ·说话人识别的研究历史及现状 | 第9-10页 |
| ·说话人识别的应用前景 | 第10-11页 |
| ·说话人识别的技术难点 | 第11-12页 |
| ·说话人识别技术概述 | 第12-17页 |
| ·说话人识别的基本原理 | 第12-13页 |
| ·说话人识别的分类 | 第13-14页 |
| ·说话人识别的特征参数 | 第14-15页 |
| ·说话人识别的方法 | 第15-16页 |
| ·说话人识别系统的性能评价 | 第16-17页 |
| ·本论文的主要工作和内容安排 | 第17-19页 |
| 第二章 语音信号预处理 | 第19-31页 |
| ·语音的产生 | 第19-21页 |
| ·语音的产生机理 | 第19-20页 |
| ·语音信号生成的数学模型 | 第20-21页 |
| ·语音信号预处理 | 第21-23页 |
| ·预加重 | 第21-22页 |
| ·加窗分帧 | 第22-23页 |
| ·语音信号端点检测 | 第23-30页 |
| ·短时能量与过零率 | 第24-25页 |
| ·能频值端点检测算法 | 第25-26页 |
| ·传统双门限端点检测算法 | 第26-27页 |
| ·两种端点检测算法比较 | 第27-28页 |
| ·能频值端点检测算法编程实现 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 小波语音增强在说话人识别中的应用 | 第31-42页 |
| ·小波语音增强概述 | 第31-32页 |
| ·小波语音增强的原理 | 第32-34页 |
| ·小波变换与信号的奇异性 | 第32-33页 |
| ·语音信号与噪声的小波变换特性 | 第33-34页 |
| ·带噪语音信号的小波变换增强算法 | 第34-38页 |
| ·实验结果与分析 | 第38-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 语音信号中特征参数的提取 | 第42-52页 |
| ·线性预测系数(LPC) | 第42-45页 |
| ·线性预测倒谱系数(LPCC) | 第45-47页 |
| ·Mel频率倒谱系数(MFCC) | 第47-51页 |
| ·MFCC系数的提取方法 | 第47-48页 |
| ·倒谱提升窗口 | 第48-49页 |
| ·Mel差分倒谱参数 | 第49页 |
| ·MFCC的编程提取 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 高斯混合模型在说话人识别中的应用 | 第52-60页 |
| ·高斯混合模型原理 | 第52-55页 |
| ·高斯混合模型的参数估计方法 | 第53-55页 |
| ·高斯混合模型的识别算法 | 第55页 |
| ·高斯混合模型数M对识别率的影响 | 第55页 |
| ·高斯混合模型的改进 | 第55-58页 |
| ·模型性能比较实验 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 第六章 仿真结果与实验分析 | 第60-66页 |
| ·语音样本库的建立 | 第60-61页 |
| ·说话人识别系统构建 | 第61页 |
| ·MFCC参数噪声鲁棒性比较 | 第61-64页 |
| ·小波语音增强提高识别率的实验验证 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第七章 总结与展望 | 第66-67页 |
| ·总结 | 第66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 攻读学位期间发表的学术论文 | 第71页 |
