| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景及意义 | 第10页 |
| ·说话人识别的分类 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·论文的主要研究工作与结构安排 | 第14-16页 |
| 第二章 说话人识别前端处理 | 第16-26页 |
| ·语音产生机理与模型 | 第16-18页 |
| ·语音信号预处理 | 第18-19页 |
| ·语音信号的端点检测方法 | 第19-21页 |
| ·基于差分能量三级双门限的端点检测算法 | 第21-22页 |
| ·仿真实验与分析 | 第22-25页 |
| ·干净语音与低信噪比语音端点检测结果与分析 | 第23-24页 |
| ·噪声环境下的端点检测仿真实验结果与分析 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 语音的声学特征选择与提取 | 第26-37页 |
| ·线性预测系数及其倒谱系数 | 第26-28页 |
| ·线性预测系数 | 第26-27页 |
| ·线性预测倒谱系数 | 第27-28页 |
| ·残余信号相位 | 第28-29页 |
| ·梅尔倒谱系数 | 第29-31页 |
| ·感知线性预测 | 第31-32页 |
| ·梅尔倒谱感知线性预测系数（MFPLP）特征 | 第32-33页 |
| ·基于MFPLP与残余相位的融合声学特征（PMFPLP） | 第33页 |
| ·说话人识别声学特征参数评价方法 | 第33-34页 |
| ·F比 | 第33-34页 |
| ·D比 | 第34页 |
| ·基于主成分分析的声学特征降维 | 第34-35页 |
| ·主成分分析 | 第34-35页 |
| ·主成分分析在说话人识别中的应用 | 第35页 |
| ·本章小结 | 第35-37页 |
| 第四章 基于GMM的说话人识别系统 | 第37-52页 |
| ·基于GMM说话人识别系统概述 | 第37-38页 |
| ·基于GMM的参数估计 | 第38-42页 |
| ·最大似然估计（ML） | 第38页 |
| ·期望最大化（EM）算法 | 第38-39页 |
| ·期望最大化（EM）算法在基于GMM的说话人识别中的应用 | 第39-41页 |
| ·基于GMM的说话人识别的识别问题 | 第41-42页 |
| ·基于GMM的说话人辨认系统 | 第42-44页 |
| ·基于GMM的说话人识别系统 | 第42页 |
| ·基于GMM的线性加权系统融合 | 第42-44页 |
| ·仿真实验与分析 | 第44-51页 |
| ·本章小结 | 第51-52页 |
| 第五章 基于VQ的说话人识别 | 第52-61页 |
| ·矢量量化的概述与应用 | 第52-54页 |
| ·矢量量化的基本原理 | 第52-53页 |
| ·LBG算法分析 | 第53-54页 |
| ·基于遗传 K 均值初始化的矢量量化分析 | 第54-57页 |
| ·遗传算法（GA） | 第54-55页 |
| ·遗传算法 K 均值初始化的矢量量化技术 | 第55-57页 |
| ·基于矢量量化（VQ）的说话人识别系统 | 第57页 |
| ·仿真实验与分析 | 第57-60页 |
| ·基于VQ的说话人识别系统实验结果分析 | 第57-58页 |
| ·MFCC与PLP参数融合实验结果分析 | 第58-60页 |
| ·基于GMM与VQ的说话人识别系统性能比较 | 第60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 附录 | 第67页 |