| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 符号对照表 | 第11-12页 |
| 缩略语对照表 | 第12-15页 |
| 第一章 绪论 | 第15-21页 |
| 1.1 研究背景和意义 | 第15-16页 |
| 1.2 说话人识别技术的发展和现状 | 第16-17页 |
| 1.3 鲁棒性说话人识别技术 | 第17-19页 |
| 1.4 论文研究内容和章节安排 | 第19-21页 |
| 第二章 说话人识别系统研究 | 第21-35页 |
| 2.1 说话人识别原理和问题建模 | 第21-22页 |
| 2.2 语音信号预处理 | 第22-23页 |
| 2.2.1 采样和量化 | 第22-23页 |
| 2.2.2 预加重 | 第23页 |
| 2.2.3 分帧加窗 | 第23页 |
| 2.3 说话人识别特征参数 | 第23-27页 |
| 2.3.1 特征参数的评价方法 | 第24-25页 |
| 2.3.2 特征参数分类 | 第25-27页 |
| 2.4 说话人识别模型 | 第27-30页 |
| 2.5 噪声环境下的说话人识别 | 第30-35页 |
| 2.5.1 噪声的分类 | 第30页 |
| 2.5.2 说话人识别中的抗噪声算法 | 第30-35页 |
| 第三章 鲁棒性说话人识别系统设计 | 第35-47页 |
| 3.1 系统设计方案概述 | 第35页 |
| 3.2 系统各模块说明 | 第35-38页 |
| 3.2.1 训练阶段 | 第36-37页 |
| 3.2.2 识别阶段 | 第37-38页 |
| 3.3 MFCC特征参数提取 | 第38-43页 |
| 3.3.1 MFCC的原理 | 第38-39页 |
| 3.3.2 Mel滤波器组 | 第39-40页 |
| 3.3.3 MFCC特征参数提取 | 第40-43页 |
| 3.4 VQ说话人建模方法 | 第43-47页 |
| 3.4.1 矢量量化原理和问题建模 | 第43-44页 |
| 3.4.2 基于k-means算法的码书设计过程 | 第44-46页 |
| 3.4.3 矢量量化的失真测度 | 第46-47页 |
| 第四章 说话人识别的鲁棒性算法研究 | 第47-65页 |
| 4.1 OM-LSA语音估计算法 | 第47-54页 |
| 4.1.1 OM-LSA增强原理 | 第47-48页 |
| 4.1.2 最优修正的增益函数 | 第48-50页 |
| 4.1.3 先验信噪比估计 | 第50-51页 |
| 4.1.4 语音端点检测 | 第51-54页 |
| 4.2 MCRA噪声估计算法 | 第54-56页 |
| 4.3 OM-LSA与MCRA结合的增强算法 | 第56-57页 |
| 4.4 基于OM-LSA与MCRA增强算法的特征缺失算法研究 | 第57-62页 |
| 4.4.1 特征缺失方法概述 | 第58-59页 |
| 4.4.2 缺失特征重建方法 | 第59-60页 |
| 4.4.3 语音增强改进的缺失特征检测方法 | 第60-62页 |
| 4.5 基于PMC的模型空间补偿算法研究 | 第62-65页 |
| 第五章 系统实现与实验结果 | 第65-75页 |
| 5.1 实验语音库 | 第65-66页 |
| 5.2 语音增强实验结果与分析 | 第66-70页 |
| 5.2.1 评价指标 | 第66-67页 |
| 5.2.2 实验设计与实验结果分析 | 第67-70页 |
| 5.3 系统实验结果与分析 | 第70-75页 |
| 5.3.1 增强与缺失特征结合算法性能测试 | 第71-72页 |
| 5.3.2 PMC算法性能测试 | 第72-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 论文完成的工作 | 第75页 |
| 6.2 遗留问题及后续工作的考虑 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 作者简介 | 第83-84页 |