| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 研究现状与发展 | 第11-15页 |
| 1.2.1 国内外研究现状 | 第11-14页 |
| 1.2.2 发展趋势 | 第14-15页 |
| 1.3 本文主要研究工作 | 第15-17页 |
| 第2章 基于云平台的说话人识别系统框架 | 第17-33页 |
| 2.1 系统框架 | 第17页 |
| 2.2 语音预处理 | 第17-26页 |
| 2.2.1 麦克风阵列 | 第17-20页 |
| 2.2.2 预处理过程 | 第20-26页 |
| 2.3 语音特征提取 | 第26-31页 |
| 2.3.1 MFCC特征提取 | 第26-29页 |
| 2.3.2 动态特征提取 | 第29-30页 |
| 2.3.3 归一化短时能量 | 第30-31页 |
| 2.4 识别模式选择 | 第31-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 基于GMM-UBM模型的说话人识别系统 | 第33-48页 |
| 3.1 GMM-UBM模型概况 | 第33-35页 |
| 3.1.1 GMM模型阐述 | 第33-34页 |
| 3.1.2 GMM-UBM模型 | 第34-35页 |
| 3.2 模型参数训练 | 第35-38页 |
| 3.2.1 最大似然估计 | 第35-36页 |
| 3.2.2 EM算法 | 第36页 |
| 3.2.3 参数训练 | 第36-38页 |
| 3.3 基于MAP的模式匹配 | 第38-41页 |
| 3.3.1 MAP自适应算法 | 第38-39页 |
| 3.3.2 对数似然比的计算 | 第39-40页 |
| 3.3.3 性能指标 | 第40-41页 |
| 3.4 系统性能研究 | 第41-47页 |
| 3.4.1 实验数据库设置 | 第41-43页 |
| 3.4.2 高斯元件数对系统性能的影响 | 第43-44页 |
| 3.4.3 语音长度对系统性能的影响 | 第44-45页 |
| 3.4.4 特征维度对系统性能的影响 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第4章 基于I-Vector和PLDA的说话人确认方法 | 第48-66页 |
| 4.1 新型说话人确认系统 | 第48-49页 |
| 4.2 I-Vector的提取 | 第49-52页 |
| 4.2.1 联合因子分析技术 | 第49页 |
| 4.2.2 总变化因子 | 第49-50页 |
| 4.2.3 T矩阵训练 | 第50-51页 |
| 4.2.4 提取i-vector | 第51-52页 |
| 4.3 PLDA建模与打分 | 第52-55页 |
| 4.3.1 模型训练 | 第52-54页 |
| 4.3.2 得分计算 | 第54-55页 |
| 4.4 Iv_GPLDA系统研究 | 第55-58页 |
| 4.4.1 实验设置 | 第55页 |
| 4.4.2 各系统性能对比 | 第55-56页 |
| 4.4.3 Iv-GPLDA系统性能分析 | 第56-58页 |
| 4.5 I_vector规整技术研究 | 第58-65页 |
| 4.5.1 LDA与WCCN分析 | 第58-60页 |
| 4.5.2 改进分类算法 | 第60-63页 |
| 4.5.3 加权分类分析 | 第63-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 5.1 全文工作总结 | 第66-67页 |
| 5.2 今后工作展望 | 第67-68页 |
| 致谢 | 第68-69页 |
| 作者攻读研究生期间发表的论文 | 第69-70页 |
| 参考文献 | 第70-73页 |