基于支持向量机的说话人辨别研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 第1章 绪论 | 第9-13页 |
| ·说话人识别的研究背景 | 第9-10页 |
| ·说话人识别的研究状况 | 第10-12页 |
| ·论文研究的主要内容 | 第12页 |
| ·论文的研究内容与结构安排 | 第12-13页 |
| 第2章 说话人识别基本理论 | 第13-19页 |
| ·说话人识别的组成模块 | 第13-14页 |
| ·说话人识别系统的典型结构 | 第14-16页 |
| ·模板匹配法 | 第14页 |
| ·统计概率法 | 第14-15页 |
| ·人工神经网络 | 第15页 |
| ·支持向量机 | 第15-16页 |
| ·说话人识别存在的困难 | 第16页 |
| ·语音库介绍 | 第16-19页 |
| 第3章 说话人辨别系统 | 第19-33页 |
| ·说话人识别的特征选取 | 第19页 |
| ·语音信号预处理 | 第19-22页 |
| ·采样 | 第20-21页 |
| ·量化 | 第21页 |
| ·预加重处理 | 第21页 |
| ·加窗 | 第21-22页 |
| ·特征参数提取的分析 | 第22-24页 |
| ·线性预测倒谱参数 | 第22-23页 |
| ·美尔频率倒谱参数 | 第23-24页 |
| ·动态差分参数 | 第24页 |
| ·特征参数归一化和变换 | 第24-26页 |
| ·归一化 | 第24-25页 |
| ·主成分分析 | 第25页 |
| ·平均影响值 | 第25-26页 |
| ·支持向量机算法 | 第26-30页 |
| ·统计学基本理论 | 第26-27页 |
| ·最优分类面 | 第27-29页 |
| ·广义最优分类面 | 第29页 |
| ·支持向量机 | 第29-30页 |
| ·核函数 | 第30页 |
| ·其他算法 | 第30-33页 |
| ·网格搜索法 | 第30-31页 |
| ·遗传算法 | 第31页 |
| ·粒子群算法 | 第31-33页 |
| 第4章 平均影响值选取特征参数的分析 | 第33-51页 |
| ·实验环境与语音数据库 | 第33页 |
| ·特征参数种类的选取 | 第33-39页 |
| ·LPCC特征参数与MFCC特征参数的分析 | 第33-38页 |
| ·一阶差分MFCC组合参数的分析 | 第38-39页 |
| ·前两维特征参数分析 | 第39-42页 |
| ·归一化 | 第42页 |
| ·降维 | 第42-51页 |
| ·主元分析 | 第42-44页 |
| ·平均影响值 | 第44页 |
| ·平均影响值选取分析 | 第44-48页 |
| ·主元分析法和平均影响值法对比分析 | 第48-51页 |
| 第5章 支持向量机在说话人辨别中的应用 | 第51-59页 |
| ·支持向量机的参数分析 | 第51页 |
| ·参数寻优算法 | 第51-59页 |
| ·K分类交叉验证分类方法 | 第51页 |
| ·网格搜索法 | 第51-53页 |
| ·遗传算法 | 第53-54页 |
| ·粒子群优化算法 | 第54-55页 |
| ·算法结合分析 | 第55-56页 |
| ·三种参数寻优算法的分析 | 第56-57页 |
| ·数据预处理的辨别分析 | 第57-58页 |
| ·实验分析 | 第58-59页 |
| 第6章 结论 | 第59-61页 |
| ·结论 | 第59-60页 |
| ·后续工作展望 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-69页 |
| 攻读学位期间的研究成果 | 第69页 |
