| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 说话人语音分割研究现状 | 第10-11页 |
| 1.2.2 口音分类的研究现状 | 第11-12页 |
| 1.3 本文的研究内容 | 第12-13页 |
| 1.4 本文研究内容与组织结构 | 第13页 |
| 1.5 本章小结 | 第13-14页 |
| 2 CALL-CENTER环境介绍及语音研究的基础理论 | 第14-24页 |
| 2.1 CALL-CENTER环境的概念及场景数据特征 | 第14页 |
| 2.2 语音信号的生成感知系统及模型 | 第14-18页 |
| 2.2.1 语音信号的生成系统 | 第14-15页 |
| 2.2.2 语音信号的感知系统 | 第15-16页 |
| 2.2.3 语音信号的生成模型 | 第16-18页 |
| 2.3 语音信号的常见特征参数 | 第18-21页 |
| 2.3.1 线性预测倒谱参数 | 第18-19页 |
| 2.3.2 美尔频率倒谱参数 | 第19-20页 |
| 2.3.3 语谱图 | 第20-21页 |
| 2.3.4 韵律特征 | 第21页 |
| 2.4 MFCC_SPECTROGRAM融合特征的提取 | 第21-23页 |
| 2.5 本章小结 | 第23-24页 |
| 3 基于卷积神经网络的说话人分割方法 | 第24-37页 |
| 3.1 卷积神经网络 | 第24-28页 |
| 3.1.1 卷积神经网络的结构特征及原理 | 第24-26页 |
| 3.1.2 卷积神经网络的训练 | 第26-28页 |
| 3.2 说话人语音分割算法 | 第28-30页 |
| 3.3 融合特征下基于卷积神经网络的说话人语音分割方法 | 第30-31页 |
| 3.3.1 融合特征下基于卷积神经网络的说话人语音训练模型 | 第30-31页 |
| 3.3.2 融合特征下基于卷积神经网络的说话人语音分割模型 | 第31页 |
| 3.4 实验分析与结论 | 第31-36页 |
| 3.4.1 实验数据及介绍 | 第32页 |
| 3.4.2 数据预处理及数据集构造 | 第32-34页 |
| 3.4.3 实验评估方法 | 第34页 |
| 3.4.4 实验结果及分析 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于说话人分割的不同口音对话自适应识别 | 第37-51页 |
| 4.1 语音识别系统 | 第37-41页 |
| 4.1.1 语音识别技术及发展 | 第37-38页 |
| 4.1.2 科大讯飞语音识别系统 | 第38-41页 |
| 4.2 基于说话人分割的不同口音对话自适应识别方法 | 第41-44页 |
| 4.2.1 汉语口音分类的原理 | 第41-42页 |
| 4.2.2 基于说话人分割的不同口音语音识别模型 | 第42-44页 |
| 4.3 实验分析与结论 | 第44-50页 |
| 4.3.1 实验数据及介绍 | 第45页 |
| 4.3.2 数据预处理及数据集构造 | 第45页 |
| 4.3.3 实验评估方法 | 第45-46页 |
| 4.3.4 实验结果及分析 | 第46-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 总结和展望 | 第51-53页 |
| 5.1 本文工作总结 | 第51页 |
| 5.2 未来工作展望 | 第51-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-61页 |
| 附录 | 第61页 |
| A 作者在攻读学位期间成果目录 | 第61页 |
| B 作者在攻读学位期间参加的项目 | 第61页 |
