说话人识别中特征提取算法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第8-12页 |
| 1.1 研究背景及意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-9页 |
| 1.3 研究内容与论文框架 | 第9-12页 |
| 第2章 说话人识别系统 | 第12-22页 |
| 2.1 语音信号预处理 | 第12-13页 |
| 2.2 语音信号特征提取 | 第13-15页 |
| 2.2.1 线性预测倒谱系数(LPCC) | 第13-14页 |
| 2.2.2 Mel频率倒谱系数(MFCC) | 第14-15页 |
| 2.3 说话人识别模型 | 第15页 |
| 2.4 基于支持向量机的说话人识别方法 | 第15-21页 |
| 2.4.1 二分类问题 | 第16-18页 |
| 2.4.2 多分类问题 | 第18-19页 |
| 2.4.3 SVM中的核函数及参数优化 | 第19-21页 |
| 2.5 本章小结 | 第21-22页 |
| 第3章 说话人识别特征提取算法研究 | 第22-36页 |
| 3.1 基于小波包分解的特征提取方法 | 第22-29页 |
| 3.1.1 小波变换和小波包分解 | 第22-23页 |
| 3.1.2 小波包频带划分方法 | 第23-25页 |
| 3.1.3 基于小波包变换的特征参数 | 第25-29页 |
| 3.2 基于EMD和FD的特征提取方法 | 第29-34页 |
| 3.2.1 经验模态分解 | 第29-32页 |
| 3.2.2 分形理论 | 第32-33页 |
| 3.2.3 基于EMD和FD的特征参数 | 第33-34页 |
| 3.3 本章小结 | 第34-36页 |
| 第4章 仿真实验及结果分析 | 第36-52页 |
| 4.1 实验条件及选取的语音数据库 | 第36页 |
| 4.2 Mel滤波器中窗函数选取分析 | 第36-42页 |
| 4.2.1 三种窗函数 | 第36-38页 |
| 4.2.2 滤波器中窗函数对识别率的影响 | 第38-42页 |
| 4.3 基于小波包变换的特征参数的识别性能分析 | 第42-47页 |
| 4.4 基于EMD和FD的特征参数的识别性能分析 | 第47-49页 |
| 4.5 本章小结 | 第49-52页 |
| 第5章 结论及展望 | 第52-54页 |
| 5.1 结论 | 第52页 |
| 5.2 下一步工作展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-60页 |
| 攻读学位期间的研究成果 | 第60页 |
