基于泛布尔代数的说话人识别算法的研究
| 第1章 绪论 | 第1-19页 |
| ·生物认证技术 | 第8-9页 |
| ·说话人识别简介 | 第9-15页 |
| ·说话人识别系统 | 第10-11页 |
| ·说话人识别的发展 | 第11-12页 |
| ·说话人识别的分类 | 第12-13页 |
| ·说话人识别的应用 | 第13-14页 |
| ·说话人识别的难点 | 第14-15页 |
| ·泛布尔代数 | 第15-16页 |
| ·本文研究工作的意义、基本思路与主要内容 | 第16-18页 |
| ·研究工作的意义 | 第16页 |
| ·基本思路 | 第16-17页 |
| ·本文的研究内容 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第2章 泛布尔代数 | 第19-27页 |
| ·定义 | 第19-20页 |
| ·逻辑值 | 第20页 |
| ·因素和状态变量 | 第20-21页 |
| ·数学模型 | 第21-22页 |
| ·图形解释 | 第22-23页 |
| ·实际应用分析 | 第23-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 特征提取技术 | 第27-42页 |
| ·线性预测系数LPC | 第27-31页 |
| ·线性预测的基本原理 | 第28-30页 |
| ·线性预测方程组的解法 | 第30-31页 |
| ·倒谱特征 | 第31-33页 |
| ·LPC倒谱系数 | 第33-36页 |
| ·同态信号处理 | 第33-35页 |
| ·LPCC及差分谱 | 第35-36页 |
| ·ACW特征提取 | 第36-37页 |
| ·MEL频率倒谱系数 | 第37-39页 |
| ·特征参数的统计评价 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第4章 说话人识别算法 | 第42-66页 |
| ·矢量量化 | 第42-53页 |
| ·基本原理 | 第42-45页 |
| ·失真测度 | 第45-47页 |
| ·LBG算法 | 第47-50页 |
| ·初始码书的设置 | 第50-51页 |
| ·基于VQ的识别算法 | 第51-53页 |
| ·隐马尔可夫模型 | 第53-61页 |
| ·隐马尔可夫链 | 第54-56页 |
| ·前后向估计方法 | 第56-57页 |
| ·最佳状态链的确定 | 第57-58页 |
| ·参数优化问题 | 第58-59页 |
| ·基于HMM的识别算法 | 第59-61页 |
| ·高斯混合模型 | 第61-65页 |
| ·GMM模型描述 | 第61页 |
| ·最大似然估计(ML) | 第61-63页 |
| ·训练数据不充分的问题 | 第63-64页 |
| ·基于GMM的识别算法 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第5章 基于泛布尔代数的说话人识别系统 | 第66-76页 |
| ·概述 | 第66页 |
| ·泛布尔代数在说话人识别中的应用 | 第66-68页 |
| ·预处理 | 第68-70页 |
| ·MFCC特征提取 | 第70-72页 |
| ·说话人识别系统的实现 | 第72-74页 |
| ·本章小结 | 第74-76页 |
| 第6章 总结与展望 | 第76-78页 |
| 参考文献 | 第78-81页 |
| 致谢 | 第81-82页 |
| 攻读学位期间发表的学术论文 | 第82页 |
