| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第14-22页 |
| 1.1 论文研究背景与研究意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-17页 |
| 1.3 说话人识别技术概述 | 第17-20页 |
| 1.3.1 说话人识别系统介绍 | 第17-18页 |
| 1.3.2 说话人识别的主流识别方法 | 第18-19页 |
| 1.3.3 说话人识别技术的研究难点 | 第19-20页 |
| 1.4 噪声环境下说话人特征参数提取的主要困难 | 第20页 |
| 1.5 本文的组织的结构 | 第20-22页 |
| 第二章 语音信号处理及说话人识别原理 | 第22-35页 |
| 2.1 语音信号产生原理 | 第22-24页 |
| 2.1.1 语音信号的产生 | 第22页 |
| 2.1.2 语音信号的数学模型 | 第22-24页 |
| 2.2 语音信号的前端处理 | 第24-28页 |
| 2.2.1 预加重 | 第24页 |
| 2.2.2 分帧 | 第24页 |
| 2.2.3 汉明自卷积窗 | 第24-26页 |
| 2.2.4 语音端点检测 | 第26-27页 |
| 2.2.5 语音去噪 | 第27-28页 |
| 2.3 说话人识别系统结构图 | 第28-29页 |
| 2.4 说话人识别模型 | 第29-34页 |
| 2.4.1 GMM模型原理 | 第29-31页 |
| 2.4.2 GMM-UBM模型 | 第31-34页 |
| 2.5 说话人识别系统的性能评价 | 第34页 |
| 2.6 本章小结 | 第34-35页 |
| 第三章 说话人特征参数提取方法 | 第35-44页 |
| 3.1 常用的说话人特征概述 | 第35-36页 |
| 3.2 基于听觉感知特性的说话人特征参数提取 | 第36-43页 |
| 3.2.1 MFCC特征参数提取 | 第36-40页 |
| 3.2.2 伽玛通滤波器倒谱特征参数提取 | 第40-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 噪声环境下改进的特征参数的提取方法 | 第44-49页 |
| 4.1 基于Gammatone滤波器组改进的特征参数提取方法 | 第44-46页 |
| 4.2 基于特征融合的混合特征参数提取方法 | 第46-48页 |
| 4.2.1 基于串行融合方法的cMGCC特征提取 | 第46-47页 |
| 4.2.2 基于并行融合方法的bMGCC特征提取 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 说话人识别性能实验与分析 | 第49-59页 |
| 5.1 基于MATLAB环境下的仿真实验 | 第49-53页 |
| 5.1.1 实验软硬件平台 | 第49页 |
| 5.1.2 实验数据库 | 第49页 |
| 5.1.3 实验设计 | 第49-50页 |
| 5.1.4 无噪声背景下实验结果与分析 | 第50页 |
| 5.1.5 噪声背景下实验结果与分析 | 第50-53页 |
| 5.2 基于Android平台上的说话人识别系统性能测试 | 第53-58页 |
| 5.2.1 开发环境 | 第54-55页 |
| 5.2.2 系统介绍 | 第55-57页 |
| 5.2.4 安卓平台下的实验结果分析 | 第57-58页 |
| 5.3 本章小结 | 第58-59页 |
| 总结与展望 | 第59-61页 |
| 参考文献 | 第61-66页 |
| 攻读学位期间参加的课题 | 第66-67页 |
| 攻读学位期间发表的论文 | 第67-69页 |
| 致谢 | 第69-70页 |