| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1.绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.3 说话人识别的研究难点和问题 | 第11-12页 |
| 1.4 论文的主要内容与结构安排 | 第12页 |
| 1.5 本章小结 | 第12-14页 |
| 2.说话人识别技术研究 | 第14-22页 |
| 2.1 说话人识别概述 | 第14页 |
| 2.2 说话人识别的基本原理 | 第14-16页 |
| 2.2.1 说话人识别的分类 | 第14-15页 |
| 2.2.2 说话人识别的系统结构 | 第15-16页 |
| 2.3 说话人识别的识别方法 | 第16-19页 |
| 2.3.1 模板匹配法 | 第16-17页 |
| 2.3.2 统计概率模型法 | 第17-18页 |
| 2.3.3 判决模型法 | 第18-19页 |
| 2.4 说话人识别系统性能评价标准 | 第19-20页 |
| 2.5 本章小结 | 第20-22页 |
| 3.说话人识别的特征参数选择及融合 | 第22-38页 |
| 3.1 语音信号的预处理 | 第22-25页 |
| 3.1.1 采样量化 | 第22页 |
| 3.1.2 预加重 | 第22-23页 |
| 3.1.3 分帧加窗 | 第23-24页 |
| 3.1.4 端点检测 | 第24-25页 |
| 3.2 语音信号的特征参数 | 第25-30页 |
| 3.2.1 线性预测系数（LPC） | 第25-26页 |
| 3.2.2 线性预测倒谱系数（LPCC） | 第26-27页 |
| 3.2.3 梅尔频率倒谱系数（MFCC） | 第27-29页 |
| 3.2.4 感知线性预测（PLP） | 第29-30页 |
| 3.3 说话人识别特征参数评价方法 | 第30-31页 |
| 3.4 特征融合 | 第31-37页 |
| 3.4.1 单特征融合 | 第32页 |
| 3.4.2 多特征融合 | 第32-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4.高斯混合模型（GMM）在说话人识别中的改进 | 第38-48页 |
| 4.1 高斯混合模型（GMM）概述 | 第38-43页 |
| 4.1.1 GMM的基本概念 | 第38-39页 |
| 4.1.2 GMM的参数估计 | 第39-43页 |
| 4.2 基于高斯混合模型（GMM）的说话人识别系统 | 第43-45页 |
| 4.2.1 基本结构 | 第43-44页 |
| 4.2.2 GMM的说话人识别问题 | 第44-45页 |
| 4.3 高斯混合模型（GMM）参数估计的改进 | 第45-47页 |
| 4.4 本章小结 | 第47-48页 |
| 5.实验结果与分析 | 第48-58页 |
| 5.1 实验准备 | 第48-50页 |
| 5.1.1 实验数据库 | 第48页 |
| 5.1.2 实验平台 | 第48-49页 |
| 5.1.3 实验过程描述 | 第49-50页 |
| 5.2 系统基本性能实验结果分析 | 第50-53页 |
| 5.3 融合特征实验结果分析 | 第53-55页 |
| 5.4 改进高斯混合模型实验结果分析 | 第55-56页 |
| 5.5 本章小结 | 第56-58页 |
| 6.总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 致谢 | 第60-62页 |
| 参考文献 | 第62-66页 |