| 摘要 | 第1-11页 |
| ABSTRACT | 第11-12页 |
| 第一章 绪论 | 第12-17页 |
| ·课题研究背景 | 第12-13页 |
| ·说话人识别原理及难点 | 第13页 |
| ·说话人识别技术的国内外发展与现状 | 第13-15页 |
| ·研究的内容和主要工作 | 第15页 |
| ·章节安排 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第二章 特征参数提取 | 第17-29页 |
| ·特征参数 | 第17-21页 |
| ·语音信号产生的数学模型 | 第17-18页 |
| ·卷积同态信号处理 | 第18-19页 |
| ·Mel频率倒谱系数(MFCC) | 第19-21页 |
| ·在特征提取过程中的关键问题 | 第21-25页 |
| ·预加重 | 第21-22页 |
| ·加窗分帧 | 第22-23页 |
| ·特征参数的冗余性 | 第23-25页 |
| ·实验设计及结果分析 | 第25-28页 |
| ·特征参数的不同选取对VQ识别方法的影响 | 第26-27页 |
| ·特征参数的不同选取对CHMM识别方法的影响 | 第27页 |
| ·PCA对特征参数的降维处理对VQ和CHMM识别方法的影响 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 基于VQ识别方法的研究及改进 | 第29-43页 |
| ·VQ在说话人识别中的应用 | 第29-33页 |
| ·矢量量化的基本原理 | 第29-30页 |
| ·最佳矢量量化器 | 第30-31页 |
| ·失真测度 | 第31-32页 |
| ·VQ在说话人识别中的问题 | 第32-33页 |
| ·现有的码本设计算法研究 | 第33-37页 |
| ·LBG算法的码本设计 | 第33页 |
| ·对初始码本的改进 | 第33-34页 |
| ·基于遗传算法优化的码本 | 第34-36页 |
| ·基于粒子群优化算法优化的码本 | 第36-37页 |
| ·基于遗传算子和粒子群混合的K均值聚类码本设计改进算法 | 第37-40页 |
| ·K均值聚类 | 第37-38页 |
| ·参数的选取 | 第38-39页 |
| ·码本的设计过程 | 第39-40页 |
| ·实验设计及结果分析 | 第40-42页 |
| ·码本大小及各种码本生成方法对VQ识别方法的影响 | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 第四章 基于CHMM识别方法的研究及改进 | 第43-57页 |
| ·CHMM在说话人识别中的应用 | 第43-51页 |
| ·HMM的基本思想 | 第43-45页 |
| ·HMM的基本算法 | 第45-50页 |
| ·CHMM在说话人识别中的问题 | 第50-51页 |
| ·现有的模型训练算法研究 | 第51-53页 |
| ·Baum-Welch训练算法 | 第51页 |
| ·分段K均值模型训练 | 第51-53页 |
| ·基于最大互信息的模型训练 | 第53页 |
| ·进化算法与Viterbi算法结合的模型训练改进方法 | 第53-54页 |
| ·基于遗传算法与Viterbi结合的参数训练方法 | 第54页 |
| ·基于粒子群优化算法与Viterbi结合的参数训练方法 | 第54页 |
| ·实验设计及结果分析 | 第54-56页 |
| ·在CHMM中状态数和高斯函数混合数对识别率的影响 | 第54-56页 |
| ·改进后的参数训练方法对CHMM识别方法的影响 | 第56页 |
| ·本章小结 | 第56-57页 |
| 第五章 与文本无关的说话人辨认系统设计 | 第57-62页 |
| ·系统的应用及原理 | 第57-59页 |
| ·系统设计 | 第59-61页 |
| ·说话人模型和特征参数的选取 | 第59页 |
| ·系统设计原理及关键问题 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第六章 结束语 | 第62-63页 |
| ·全文总结 | 第62页 |
| ·下一步工作与展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 在校期间取得的学术成果 | 第67页 |
