| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景与意义 | 第12-13页 |
| 1.2 说话人识别任务介绍 | 第13-16页 |
| 1.2.1 说话人识别的发展历程 | 第13-14页 |
| 1.2.2 说话人识别任务分类 | 第14-16页 |
| 1.3 说话人识别中背景模型和得分问题 | 第16-17页 |
| 1.4 本文章节安排 | 第17-18页 |
| 第2章 基于GMM-UBM的说话人识别方法 | 第18-31页 |
| 2.1 概述 | 第18页 |
| 2.2 基于GMM-UBM的说话人识别系统框架 | 第18-19页 |
| 2.3 前端处理 | 第19-24页 |
| 2.3.1 预处理 | 第20-21页 |
| 2.3.2 特征提取 | 第21-24页 |
| 2.4 GMM模型介绍 | 第24-29页 |
| 2.4.1 GMM模型定义 | 第24-25页 |
| 2.4.2 GMM模型的参数估计 | 第25-28页 |
| 2.4.3 MAP自适应算法得到目标模型 | 第28-29页 |
| 2.4.4 GMM-UBM模型似然得分计算 | 第29页 |
| 2.5 系统性能评价 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 UBM支撑说话人集合 | 第31-45页 |
| 3.1 引言 | 第31-32页 |
| 3.2 UBM数据选择方法 | 第32-33页 |
| 3.3 自包容的UBM | 第33-35页 |
| 3.4 UBM支撑说话人集合 | 第35-40页 |
| 3.4.1 UBM三元组 | 第36-38页 |
| 3.4.2 UBM空间三角形 | 第38-40页 |
| 3.5 结果验证及分析 | 第40-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第4章 基于OLSM的样本复制语音入侵检测方法 | 第45-58页 |
| 4.1 引言 | 第45页 |
| 4.2 说话人识别攻击防御技术研究现状 | 第45-46页 |
| 4.3 基于OLSM的样本复制语音攻击检测方法 | 第46-52页 |
| 4.3.1 机器学习中的过拟合现象 | 第47-48页 |
| 4.3.2 模型阶数相关的似然得分单调性 | 第48-51页 |
| 4.3.3 基于OLSM的样本复制语音检测模型 | 第51-52页 |
| 4.4 基于OLSM现象样本复制语音检测方法的应用 | 第52-56页 |
| 4.4.1 系统流程 | 第53-54页 |
| 4.4.2 对样本复制语音回放攻击的检测 | 第54页 |
| 4.4.3 对样本复制语音直接攻击的检测 | 第54-56页 |
| 4.5 实验及分析 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 N-Best token与GMM_t tokenizer在说话人识别中的应用 | 第58-67页 |
| 5.1 GMM token在语音领域的应用 | 第58-60页 |
| 5.2 基于GMM token配比向量得分校正的说话人识别系统 | 第60-61页 |
| 5.3 N-Best token在说话人识别中的应用 | 第61-64页 |
| 5.3.1 N-Best token的定义 | 第61-62页 |
| 5.3.2 N-Best token对系统性能的影响 | 第62-64页 |
| 5.4 GMM_t tokenizer在说话人识别中的应用 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第6章 总结与展望 | 第67-70页 |
| 6.1 工作总结 | 第67-68页 |
| 6.2 工作展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 附录A：NIST库UBM训练集降维后空间分布 | 第74-76页 |
| 攻读硕士学位期间主要的研究成果 | 第76-77页 |
| 致谢 | 第77页 |
