基于优化语音提取的声纹识别系统
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·课题研究背景 | 第9-10页 |
| ·声纹识别发展趋势 | 第10-14页 |
| ·声纹识别的分类 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·应用前景 | 第13-14页 |
| ·技术难点和关键技术 | 第14页 |
| ·组织结构 | 第14-16页 |
| 2 语音信号提取 | 第16-24页 |
| ·语音信号预处理 | 第16-19页 |
| ·语音信号数字化 | 第16页 |
| ·预加重处理 | 第16-17页 |
| ·加窗归一化 | 第17-19页 |
| ·端点检测原理与方法 | 第19-23页 |
| ·基于时域的端点检测原理与方法 | 第19-21页 |
| ·基于倒谱距离的端点检测方法 | 第21页 |
| ·基于对数能量的端点检测方法 | 第21-22页 |
| ·基于对数能量倒谱特征的端点检测方法 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 语音信号特征提取 | 第24-32页 |
| ·线性预测倒谱系数 LPCC | 第24-27页 |
| ·同态处理的基本思想和原理 | 第24-25页 |
| ·线性预测倒谱（LPCC） | 第25-27页 |
| ·美尔倒谱系数 MFCC | 第27-31页 |
| ·MFCC 系数的提取 | 第27-28页 |
| ·美尔差分倒谱系数 | 第28-29页 |
| ·MEL 特征的计算 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 4 声纹识别的识别方法 | 第32-44页 |
| ·声纹识别的基本方法和分类 | 第32-33页 |
| ·矢量量化（VQ） | 第33-35页 |
| ·隐马尔科夫模型（HMM） | 第35-36页 |
| ·混合高斯模型（GMM） | 第36-40页 |
| ·GMM 模型参数的最大似然估计 | 第38-40页 |
| ·动态事件规整（DTW） | 第40-42页 |
| ·DTW 算法实现 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 5 系统的设计 | 第44-51页 |
| ·文本相关说话人辨认系统的设计 | 第44-50页 |
| ·基于时域的端点检测实现 | 第44-45页 |
| ·对数能量倒谱端点检测实现 | 第45-47页 |
| ·美尔倒谱特征参数提取实现 | 第47-48页 |
| ·文本相关 DTW 说话人辨认系统设计 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 6 系统试验与分析 | 第51-57页 |
| ·系统实验分析 | 第51-56页 |
| ·加白噪声时的 LE 和 LEC 端点检测 | 第51-53页 |
| ·LEC 对其他噪声的检测实验 | 第53-56页 |
| ·实验结论 | 第56-57页 |
| 7 结论与展望 | 第57-59页 |
| ·结论 | 第57-58页 |
| ·展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 攻读硕士期间发表的论文和科研情况 | 第63页 |
