基于I-VECTOR的与文本无关的说话人识别研究
| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第1章 绪论 | 第13-20页 |
| 1.1 说话人识别概述 | 第13-14页 |
| 1.2 说话人识别发展历史和研究现状 | 第14-16页 |
| 1.3 说话人识别基本原理和系统结构 | 第16-17页 |
| 1.3.1 特征提取 | 第16-17页 |
| 1.3.2 模式匹配 | 第17页 |
| 1.4 说话人识别系统性能评估 | 第17-18页 |
| 1.5 论文主要工作和论文的结构安排 | 第18-20页 |
| 第2章 语音信号的分析和预处理 | 第20-26页 |
| 2.1 语音信号的产生 | 第20页 |
| 2.2 语音信号的数字模型 | 第20-22页 |
| 2.2.1 激励模型 | 第20-21页 |
| 2.2.2 声道模型 | 第21页 |
| 2.2.3 辐射模型 | 第21-22页 |
| 2.3 语音信号的预处理 | 第22-25页 |
| 2.3.1 采样与量化 | 第22页 |
| 2.3.2 预加重 | 第22-23页 |
| 2.3.3 分帧与加窗 | 第23-24页 |
| 2.3.4 端点检测 | 第24-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第3章 说话人识别的特征提取 | 第26-35页 |
| 3.1 基音周期 | 第26-28页 |
| 3.2 线性预测倒谱系数 | 第28-29页 |
| 3.3 美尔频率倒谱系数 | 第29-32页 |
| 3.4 特征参数的优化 | 第32-33页 |
| 3.4.1 短时能量归一化 | 第32页 |
| 3.4.2 高阶差分参数 | 第32-33页 |
| 3.4.3 倒谱均值减(CMS) | 第33页 |
| 3.4.4 特征弯折 | 第33页 |
| 3.5 本章小结 | 第33-35页 |
| 第4章 基于GMM-UBM的说话人确认 | 第35-45页 |
| 4.1 高斯混合模型(GMM) | 第35-37页 |
| 4.1.1 GMM的概念和模型 | 第35-36页 |
| 4.1.2 GMM的参数估计 | 第36-37页 |
| 4.2 高斯混合通用背景模型(GMM-UBM) | 第37-40页 |
| 4.2.1 GMM-UBM的概括 | 第37-38页 |
| 4.2.2 最大后验准则算法 | 第38-40页 |
| 4.3 实验与分析 | 第40-44页 |
| 4.3.1 不同特征对GMM-UBM的影响 | 第40-41页 |
| 4.3.2 混合度对GMM-UBM系统的影响 | 第41-42页 |
| 4.3.3 说话人识别界面 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第5章 基于i-vector的说话人确认 | 第45-63页 |
| 5.1 身份认证矢量 | 第45-54页 |
| 5.1.1 均值超矢量 | 第46页 |
| 5.1.2 全变量空间矩阵 | 第46-48页 |
| 5.1.3 i-vector的规整 | 第48页 |
| 5.1.4 信道补偿 | 第48-50页 |
| 5.1.5 余弦评分 | 第50页 |
| 5.1.6 实验与分析 | 第50-54页 |
| 5.2 概率线性鉴别性分析 | 第54-57页 |
| 5.2.1 PLDA模型 | 第54-55页 |
| 5.2.2 模型训练 | 第55-56页 |
| 5.2.3 GPLDA得分计算 | 第56-57页 |
| 5.3 改进的GPLDA模型 | 第57-60页 |
| 5.3.1 全变量空间矩阵T列向量归一化 | 第57-58页 |
| 5.3.2 T矩阵列向量归一化后对系统的影响 | 第58-60页 |
| 5.4 实验与分析 | 第60-62页 |
| 5.4.1 实验数据和参数 | 第60页 |
| 5.4.2 改进的GPLDA的系统性能 | 第60-62页 |
| 5.5 本章小结 | 第62-63页 |
| 总结与展望 | 第63-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 附录A 攻读学位期间所发表的学术论文目录 | 第71页 |
