| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-19页 |
| ·多说话人识别概述 | 第10-11页 |
| ·语音信号的预处理与特征提取 | 第11-14页 |
| ·预处理 | 第11-12页 |
| ·特征提取 | 第12-14页 |
| ·说话人分割聚类 | 第14-16页 |
| ·说话人识别 | 第16-18页 |
| ·本论文的内容安排 | 第18-19页 |
| 第二章 基于 BIC 的说话人分割算法研究 | 第19-38页 |
| ·引言 | 第19页 |
| ·基于 BIC 的说话人分割算法 | 第19-22页 |
| ·BIC 的原理 | 第19-20页 |
| ·单个说话人转变点检测算法 | 第20-22页 |
| ·多个说话人转变点检测算法 | 第22页 |
| ·基于改进 BIC 的说话人分割算法 | 第22-28页 |
| ·算法描述 | 第22-23页 |
| ·GLR 距离 | 第23-24页 |
| ·基于 GLR 距离的区域层次检测 | 第24页 |
| ·一种改进的 BIC 距离度量 | 第24-26页 |
| ·基于 T2统计值和改进 BIC 距离的边界层次检测 | 第26-28页 |
| ·实验仿真 | 第28-37页 |
| ·实验数据 | 第28页 |
| ·可调平衡参数λ对改进 BIC 算法的影响 | 第28-32页 |
| ·聚类数量 M 对改进 BIC 算法的影响 | 第32-34页 |
| ·转变点之间的距离对改进 BIC 算法的影响 | 第34-35页 |
| ·说话人数量对改进 BIC 算法的影响 | 第35-37页 |
| ·小结 | 第37-38页 |
| 第三章 基于高斯混合模型的说话人聚类与识别研究 | 第38-55页 |
| ·引言 | 第38页 |
| ·基于高斯混合模型的说话人聚类算法 | 第38-44页 |
| ·高斯混合模型的原理 | 第38-39页 |
| ·高斯混合模型的参数估计 | 第39-43页 |
| ·高斯混合模型的参数初始化 | 第43页 |
| ·基于高斯混合模型的 BIC 距离 | 第43-44页 |
| ·实验仿真 | 第44-46页 |
| ·实验数据 | 第44页 |
| ·语音片段长度对说话人聚类的影响 | 第44-45页 |
| ·说话人数量对说话人聚类的影响 | 第45页 |
| ·模型阶数对说话人聚类的影响 | 第45-46页 |
| ·基于高斯混合模型的说话人识别 | 第46-48页 |
| ·说话人辨认 | 第46-47页 |
| ·说话人确认 | 第47-48页 |
| ·基于高斯混合模型的说话人识别性能研究 | 第48-53页 |
| ·说话人数量对说话人辨认的性能影响 | 第48-50页 |
| ·特征参数对说话人确认的性能影响 | 第50-51页 |
| ·高斯混合模型阶数对说话人辨认的性能影响 | 第51-52页 |
| ·训练语音长度对说话人辨认的性能影响 | 第52页 |
| ·测试语音长度对说话人辨认的性能影响 | 第52-53页 |
| ·小结 | 第53-55页 |
| 第四章 基于支持向量机的说话人识别 | 第55-66页 |
| ·引言 | 第55页 |
| ·支持向量机理论 | 第55-61页 |
| ·统计学习理论 | 第55-58页 |
| ·支持向量机 | 第58-61页 |
| ·基于支持向量机的说话人识别 | 第61页 |
| ·基于支持向量机的说话人识别实验 | 第61-65页 |
| ·核函数对支持向量机的性能影响 | 第61-62页 |
| ·特征参数对支持向量机的性能影响 | 第62-63页 |
| ·训练语音长度对支持向量机的性能影响 | 第63-64页 |
| ·测试语音长度对支持向量机的性能影响 | 第64-65页 |
| ·小结 | 第65-66页 |
| 第五章 多说话人识别系统性能研究 | 第66-71页 |
| ·引言 | 第66页 |
| ·不同多说话人识别系统的性能比较 | 第66-67页 |
| ·特征参数对多说话人识别系统的影响 | 第67-68页 |
| ·可调参数λ对多说话人识别系统的影响 | 第68-69页 |
| ·说话人数量对多说话人识别系统的影响 | 第69页 |
| ·转变点之间的距离对多说话人识别系统的影响 | 第69-70页 |
| ·小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| ·本文主要工作 | 第71-72页 |
| ·展望 | 第72-73页 |
| 致谢 | 第73-74页 |
| 参考文献 | 第74-78页 |