说话人识别系统中语音特征参数提取方法的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-18页 |
| ·身份认证 | 第11页 |
| ·生物认证技术 | 第11-12页 |
| ·说话人识别 | 第12-16页 |
| ·计算机语音技术概述 | 第12-13页 |
| ·语音识别分类 | 第13-14页 |
| ·说话人识别 | 第14-16页 |
| ·说话人识别的技术难点 | 第16页 |
| ·本论文研究的内容 | 第16-18页 |
| 2 语音信号预处理 | 第18-30页 |
| ·语音信号获取 | 第18-19页 |
| ·语音信号的数学模型 | 第19-21页 |
| ·激励模型 | 第19页 |
| ·声道模型 | 第19-20页 |
| ·共振峰模型 | 第20-21页 |
| ·辐射模型 | 第21页 |
| ·语音信号预加重 | 第21-22页 |
| ·语音信号的时域分析 | 第22-25页 |
| ·短时能量和短时平均幅度 | 第22-24页 |
| ·短时过零分析 | 第24页 |
| ·短时基音周期估计 | 第24-25页 |
| ·语音端点检测 | 第25-30页 |
| ·短时能量 | 第25页 |
| ·短时平均过零率 | 第25-26页 |
| ·本文采用的端点检测算法 | 第26-28页 |
| ·传统双门限端点检测算法 | 第28页 |
| ·两种端点检测算法的比较 | 第28-30页 |
| 3 语音信号特征选择 | 第30-44页 |
| ·说话人识别常用的特征 | 第30-31页 |
| ·线性预测系数 | 第31-33页 |
| ·线性预测的基本原理 | 第31-32页 |
| ·线性预测系数模型阶数的确定 | 第32-33页 |
| ·线性预测倒谱系数 | 第33-35页 |
| ·同态处理基本原理 | 第33-34页 |
| ·复倒谱和倒谱 | 第34页 |
| ·线性预测倒谱 | 第34-35页 |
| ·美尔频率倒谱系数 | 第35-38页 |
| ·美尔频率倒谱系数的提取 | 第35-37页 |
| ·倒谱提升窗口 | 第37-38页 |
| ·美尔频率倒谱系数分量的选择 | 第38页 |
| ·本文采用的语音特征参数提取算法 | 第38-44页 |
| ·特征加权 | 第39页 |
| ·特征微分 | 第39页 |
| ·特征组合 | 第39-40页 |
| ·特征过滤 | 第40页 |
| ·线性预测倒谱系数的计算流程 | 第40-41页 |
| ·美尔频率倒谱系数的计算流程 | 第41-42页 |
| ·实验 | 第42-44页 |
| 4 说话人识别的方法 | 第44-58页 |
| ·说话人识别的基本方法及其分类 | 第44页 |
| ·基于模板模型的方法 | 第44-46页 |
| ·模板模型 | 第44-45页 |
| ·矢量量化模型 | 第45-46页 |
| ·基于随机模型的方法 | 第46-54页 |
| ·混合高斯模型 | 第46-47页 |
| ·隐马尔可夫模型 | 第47-54页 |
| ·基于人工神经网络的方法 | 第54-55页 |
| ·基于支持向量机的方法 | 第55页 |
| ·基于动态时间归整的方法 | 第55-58页 |
| 5 说话人识别系统的实现 | 第58-72页 |
| ·文本相关说话人辨认系统的实现 | 第58-63页 |
| ·比例因子 | 第58-59页 |
| ·说话人识别系统的性能评价 | 第59-61页 |
| ·识别方法 | 第61页 |
| ·基于 HMM的说话人建模 | 第61-63页 |
| ·系统介绍 | 第63-72页 |
| ·系统模块描述 | 第64-67页 |
| ·界面介绍 | 第67-69页 |
| ·模型训练 | 第69页 |
| ·识别流程 | 第69-72页 |
| 6 结论 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 在学研究成果 | 第76-77页 |
| 致谢 | 第77页 |
