基于支持向量机的说话人识别
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 创新点摘要 | 第6-9页 |
| 前言 | 第9-10页 |
| 第一章 绪论 | 第10-13页 |
| ·说话人识别的现状与发展趋势 | 第10页 |
| ·支持向量机的技术背景 | 第10-11页 |
| ·课题的研究方法和研究内容 | 第11-13页 |
| ·研究方法 | 第11页 |
| ·研究内容 | 第11-13页 |
| 第二章 说话人识别关键技术 | 第13-22页 |
| ·语音信号的预处理 | 第13-17页 |
| ·语音信号的数字化处理 | 第13-14页 |
| ·语音信号的预加重和分帧 | 第14-15页 |
| ·语音信号的端点检测技术 | 第15-17页 |
| ·语音信号的特征提取 | 第17-20页 |
| ·MFCC 参数 | 第18-19页 |
| ·动态差分MFCC 参数 | 第19-20页 |
| ·说话人识别模型 | 第20-22页 |
| ·动态时间规整DTW | 第20页 |
| ·隐马尔可夫模型HMM | 第20页 |
| ·矢量量化模型VQ | 第20-21页 |
| ·支持向量机SVM | 第21页 |
| ·人工神经网络模型ANN | 第21-22页 |
| 第三章 支持向量机算法研究与实现 | 第22-32页 |
| ·支持向量机理论基础 | 第22-25页 |
| ·VC 维理论 | 第22-23页 |
| ·结构风险最小归纳原理 | 第23-25页 |
| ·支持向量机技术核心 | 第25-32页 |
| ·最优分类面 | 第25-28页 |
| ·核函数的选定 | 第28-30页 |
| ·网格搜索法进行参数寻优 | 第30-32页 |
| 第四章 识别系统的软件实现 | 第32-42页 |
| ·支持向量机算法实现 | 第32-34页 |
| ·虚拟识别系统 | 第34-36页 |
| ·LabVIEW 与MATLAB 混合编程 | 第34-36页 |
| ·MATLAB Script 节点 | 第36页 |
| ·识别系统实现 | 第36-41页 |
| ·设计思想 | 第37页 |
| ·界面实现 | 第37-41页 |
| ·说话人识别系统前面板设计 | 第41-42页 |
| 第五章 实验与分析 | 第42-51页 |
| ·录音样本采集 | 第42页 |
| ·实验方案设计 | 第42-43页 |
| ·实验过程及结果分析 | 第43-51页 |
| ·核函数选择实验 | 第44-48页 |
| ·RBF 核函数实验 | 第48-51页 |
| 结论 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 发表文章目录 | 第55-56页 |
| 致谢 | 第56-57页 |
| 附录一 说话人识别系统识别前面板 | 第57-58页 |
| 附录二 说话人识别系统识别程序面板 | 第58-59页 |
| 详细摘要 | 第59-63页 |
