基于阵列神经网络的说话人识别系统研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·语音识别分类 | 第7页 |
| ·说话人识别概述 | 第7-12页 |
| ·说话人识别的研究背景与现状 | 第8-9页 |
| ·说话人识别的应用前景 | 第9-10页 |
| ·说话人识别的特征提取 | 第10-11页 |
| ·说话认识别的常用方法 | 第11-12页 |
| ·说话人识别的技术难点 | 第12页 |
| ·常用语音库 | 第12-13页 |
| ·论文内容安排 | 第13-15页 |
| 第二章 语音信号预处理 | 第15-23页 |
| ·语音信号预加重 | 第15页 |
| ·语音信号加窗分帧 | 第15-16页 |
| ·语音信号时域分析 | 第16-17页 |
| ·短时能量和短时平均幅度 | 第16页 |
| ·短时过零率 | 第16-17页 |
| ·短时自相关函数 | 第17页 |
| ·语音信号端点检测 | 第17-23页 |
| ·传统端点检测算法 | 第17-18页 |
| ·本文采用的端点检测算法 | 第18-21页 |
| ·端点检测的算法比较 | 第21-23页 |
| 第三章 语音信号特征提取 | 第23-32页 |
| ·说话人识别常用的特征参数 | 第23-24页 |
| ·线性预测系数LPC | 第24-25页 |
| ·线性预测的基本原理 | 第24页 |
| ·线性预测系数的求取 | 第24-25页 |
| ·线性预测倒谱系数 LPCC | 第25-28页 |
| ·同态处理基本原理 | 第25-26页 |
| ·复倒谱和倒谱 | 第26页 |
| ·线性预测倒谱 | 第26-27页 |
| ·线性预测差分倒谱 | 第27-28页 |
| ·美尔倒谱系数MFCC | 第28-30页 |
| ·MFCC 系数的提取 | 第28-30页 |
| ·倒谱提升窗口 | 第30页 |
| ·美尔差分倒谱参数 | 第30页 |
| ·MFCC 分量的选择 | 第30页 |
| ·二次特征提取 | 第30-32页 |
| ·特征加权 | 第31页 |
| ·特征组合 | 第31-32页 |
| 第四章 阵列神经网络 | 第32-48页 |
| ·神经网络 | 第32-35页 |
| ·神经网络概述 | 第32-33页 |
| ·神经网络的结构 | 第33-35页 |
| ·神经网络的学习规则 | 第35页 |
| ·小波神经网络 | 第35-41页 |
| ·小波分析 | 第36-39页 |
| ·小波神经网络的结构 | 第39-40页 |
| ·小波神经网络的学习方法 | 第40-41页 |
| ·小波神经网络在说话人识别中的应用 | 第41-45页 |
| ·小波神经网络用于说话人识别的结构 | 第41-42页 |
| ·小波神经网络的优化 | 第42-45页 |
| ·阵列小波神经网络 | 第45-48页 |
| ·阵列小波神经网络的结构 | 第46页 |
| ·阵列小波神经网络的搜索算法 | 第46-48页 |
| 第五章 说话人识别系统实现 | 第48-59页 |
| ·特征提取 | 第49-52页 |
| ·线性预测倒谱系数的提取实现 | 第49-50页 |
| ·美尔倒谱系数及差分的提取实现 | 第50-52页 |
| ·阵列神经网络的建立 | 第52-56页 |
| ·阵列神经网络说话人识别实验结果 | 第56-59页 |
| ·改进的小波神经网络的训练速度比较 | 第56页 |
| ·识别率比较 | 第56-59页 |
| 第六章 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 在学期间发表的学术论文和参加科研情况 | 第65-66页 |
| 详细摘要 | 第66-74页 |
