| 中文摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 符号说明 | 第12-14页 |
| 第一章 绪论 | 第14-21页 |
| ·课题的研究背景和意义 | 第14-15页 |
| ·独立分量分析 | 第15-17页 |
| ·说话人识别技术与语音特征提取 | 第17-19页 |
| ·本论文的主要研究内容和贡献 | 第19页 |
| ·论文结构 | 第19-21页 |
| 第二章 独立分量分析方法 | 第21-33页 |
| ·独立分量分析基础 | 第21-26页 |
| ·ICA数学模型 | 第21-22页 |
| ·ICA的约束条件和不确定性 | 第22-23页 |
| ·经典ICA算法 | 第23-26页 |
| ·稀疏分量分析 | 第26-33页 |
| ·典型聚类算法 | 第27-28页 |
| ·源信号估计算法 | 第28-30页 |
| ·MAP算法 | 第30-33页 |
| 第三章 高斯噪声环境下基于ICA的语音特征提取 | 第33-48页 |
| ·引言 | 第33页 |
| ·基于帧的语音特征提取系统 | 第33-36页 |
| ·预处理 | 第34-35页 |
| ·美尔倒谱特征 | 第35页 |
| ·detla特征计算 | 第35页 |
| ·特征选择 | 第35-36页 |
| ·高斯混合模型 | 第36-39页 |
| ·高斯混合模型的概率密度函数 | 第36-37页 |
| ·参数估计过程 | 第37-39页 |
| ·基于ICA的高斯噪声环境语音特征提取 | 第39-44页 |
| ·信号的概率模型 | 第39-40页 |
| ·基于峭度的有效性分析 | 第40-42页 |
| ·基于ICA的特征提取方法 | 第42-43页 |
| ·特征选择 | 第43-44页 |
| ·实验结果及分析 | 第44-47页 |
| ·小结 | 第47-48页 |
| 第四章 非高斯噪声环境下基于ICA的语音信号特征提取 | 第48-55页 |
| ·引言 | 第48页 |
| ·带噪语音信号训练生成的ICA特征 | 第48-51页 |
| ·非高斯噪声环境下ICAc特征的性能分析 | 第48-49页 |
| ·系统模型 | 第49-51页 |
| ·实验结果及分析 | 第51-53页 |
| ·小结 | 第53-55页 |
| 第五章 总结与展望 | 第55-57页 |
| 附录 语音数据库简介 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士学位期间发表和投出的论文 | 第66-67页 |
| 学位论文评阅及答辩情况表 | 第67页 |