短语音条件下的说话人识别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·说话人识别研究的背景和意义 | 第10-11页 |
| ·说话人识别的研究现状及存在问题 | 第11-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| ·本文的结构安排 | 第14-16页 |
| 第2章 语音信号的预处理 | 第16-24页 |
| ·语音的相关基础知识 | 第16-18页 |
| ·语音发音系统 | 第16页 |
| ·语音听觉系统 | 第16-17页 |
| ·语音信号的数字模型 | 第17-18页 |
| ·语音信号的数字化 | 第18-19页 |
| ·预加重及分帧加窗 | 第19-20页 |
| ·预加重 | 第19页 |
| ·分帧加窗 | 第19-20页 |
| ·端点检测 | 第20-22页 |
| ·双门限端点检测 | 第20-21页 |
| ·基于 MFCC0 的端点检测 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第3章 说话人识别的特征参数 | 第24-38页 |
| ·LPC 及其衍生特征 | 第24-26页 |
| ·LPC 特征 | 第24-25页 |
| ·线性预测倒谱系数 LPCC | 第25-26页 |
| ·MFCC 特征 | 第26-30页 |
| ·Mel 滤波器组 | 第26-28页 |
| ·MFCC 参数的提取 | 第28-30页 |
| ·小波变换特征 | 第30-32页 |
| ·WPT_MFCC 特征参数 | 第32-36页 |
| ·传统特征参数的不足 | 第32页 |
| ·WPT_MFCC 参数的提取步骤 | 第32-34页 |
| ·实验仿真及结果分析 | 第34-36页 |
| ·本章小结 | 第36-38页 |
| 第4章 说话人识别模型 | 第38-54页 |
| ·说话人识别模型简介 | 第38-39页 |
| ·支持向量机模型 | 第39-43页 |
| ·支持向量机模型 SVM | 第39-42页 |
| ·基于 SVM 的说话人识别 | 第42-43页 |
| ·高斯混合模型 | 第43-47页 |
| ·高斯混合模型 GMM | 第43-44页 |
| ·GMM 的模型训练 | 第44-45页 |
| ·基于 GMM 的说话人识别 | 第45-47页 |
| ·短语音条件下的 SVM/GMM 融合模型 | 第47-53页 |
| ·融合模型的提取过程 | 第47-49页 |
| ·实验仿真及结果分析 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 短语音说话人辨识 | 第54-64页 |
| ·短语音的定义 | 第54-55页 |
| ·实验仿真环境 | 第55-56页 |
| ·短语音说话人辨识的补偿研究 | 第56-62页 |
| ·特征域的补偿研究 | 第56-58页 |
| ·样本域的补偿研究 | 第58-61页 |
| ·模型域的补偿研究 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 作者简介 | 第73页 |
