| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-12页 |
| ·课题背景 | 第10-11页 |
| ·可行性分析 | 第11-12页 |
| 第二章 文本无关说话人认证基础 | 第12-38页 |
| ·说话人认证概述 | 第12-14页 |
| ·基于似然比的说话人认证 | 第12-13页 |
| ·基于支撑向量空间的说话人认证 | 第13-14页 |
| ·特征参数提取技术 | 第14-18页 |
| ·MFCC倒谱参数提取 | 第14-16页 |
| ·LPC倒谱参数提取 | 第16-17页 |
| ·PLP倒谱参数提取 | 第17-18页 |
| ·差分系数 | 第18页 |
| ·噪声鲁棒性技术 | 第18-21页 |
| ·简介 | 第18-19页 |
| ·倒谱均值减CMS | 第19页 |
| ·RASTA滤波 | 第19页 |
| ·本征信道补偿(Eigen Channel) | 第19-21页 |
| ·特征校正(Feature Warping) | 第21页 |
| ·说话人建摸技术 | 第21-27页 |
| ·简介 | 第21-22页 |
| ·高斯混合模型(GMM) | 第22-23页 |
| ·隐马尔可夫模型(HMM) | 第23-25页 |
| ·支撑向量机模型(SVM) | 第25-27页 |
| ·说话人自适应训练鲁棒性技术 | 第27-32页 |
| ·说话人自适应训练简介 | 第27-30页 |
| ·说话人自适应鲁棒性算法描述 | 第30-32页 |
| ·得分归一化技术 | 第32-35页 |
| ·得分归一化的理论依据 | 第32-33页 |
| ·Znorm技术 | 第33-34页 |
| ·Hnorm技术 | 第34页 |
| ·Thorm技术 | 第34-35页 |
| ·ATnorm技术 | 第35页 |
| ·说话人认证系统评估准则 | 第35-38页 |
| 第三章 广义音素识别器 | 第38-50页 |
| ·简介 | 第38页 |
| ·广义音素集合的定义和建模方法 | 第38-39页 |
| ·音素识别器前端处理技术 | 第39-44页 |
| ·静音和噪声处理技术 | 第39页 |
| ·声道长度归一化(VTLN) | 第39-42页 |
| ·异方差线性鉴别分析(HLDA) | 第42-44页 |
| ·音素识别中的HMM建模 | 第44-47页 |
| ·音素识别中的解码 | 第47页 |
| ·实验及分析 | 第47-50页 |
| ·系统描述 | 第47-48页 |
| ·结果和分析 | 第48-50页 |
| 第四章 基于隐马尔可夫模型的广义音素说话人认证 | 第50-56页 |
| ·简介 | 第50页 |
| ·系统架构描述 | 第50-51页 |
| ·实验及分析 | 第51-56页 |
| ·系统描述 | 第51-52页 |
| ·结果和分析 | 第52-56页 |
| 第五章 基于支撑向量机的广义音素说话人认证 | 第56-66页 |
| ·简介 | 第56页 |
| ·基于最大似然线性回归说话人自适应训练矩阵的SVM说话人认证 | 第56-58页 |
| ·最大似然线性回归(MLLR)说话人自适应训练 | 第56-57页 |
| ·基于MLLR变换矩阵的SVM说话人认证 | 第57-58页 |
| ·基于本征音说话人自适应训练权值的SVM说话人认证 | 第58-60页 |
| ·本征音说话人自适应训练 | 第58-60页 |
| ·基于本征音说话人自适应训练权值的SVM说话人认证 | 第60页 |
| ·SVM说话人认证中的噪声鲁棒性技术 | 第60-62页 |
| ·类内协方差归一化(WCCN) | 第60-62页 |
| ·噪声因子消除法(NAP) | 第62页 |
| ·实验及分析 | 第62-66页 |
| ·系统描述 | 第62-63页 |
| ·结果和分析 | 第63-66页 |
| 第六章 系统融合 | 第66-70页 |
| ·简介 | 第66页 |
| ·常用融合技术 | 第66页 |
| ·实验及分析 | 第66-70页 |
| ·系统描述 | 第66-67页 |
| ·结果和分析 | 第67-70页 |
| 第七章 总结 | 第70-71页 |
| ·课题小结 | 第70页 |
| ·课题的长远发展 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 硕士期间发表论文 | 第75页 |
