| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 声纹识别的概念 | 第12-13页 |
| 1.3 声纹识别的分类 | 第13页 |
| 1.4 声纹识别国内外研究现状和发展动态 | 第13-15页 |
| 1.5 声纹识别的优势与不足 | 第15-16页 |
| 1.5.1 声纹识别的优势 | 第15页 |
| 1.5.2 声纹识别的不足 | 第15-16页 |
| 1.6 本文研究的主要内容 | 第16页 |
| 1.7 本文的结构安排 | 第16-19页 |
| 第2章 语音信号的预处理分析 | 第19-29页 |
| 2.1 预处理概述 | 第19-20页 |
| 2.2 去噪算法 | 第20-23页 |
| 2.2.1 噪声的分类 | 第20-21页 |
| 2.2.2 常用的去噪算法简介 | 第21-23页 |
| 2.3 小波去噪 | 第23-27页 |
| 2.3.1 小波去噪的主要原理 | 第23-25页 |
| 2.3.2 MATLAB中的小波阈值处理 | 第25-27页 |
| 2.4 本章小结 | 第27-29页 |
| 第3章 端点检测、特征提取及识别模型的分析 | 第29-47页 |
| 3.1 语音信号时域分析 | 第29-33页 |
| 3.1.1 短时能量 | 第29-31页 |
| 3.1.2 短时平均幅度 | 第31页 |
| 3.1.3 短时平均过零率 | 第31-32页 |
| 3.1.4 基于短时能量和短时过零率的双门限端点检测 | 第32-33页 |
| 3.2 语音信号特征参数的提取 | 第33-41页 |
| 3.2.1 线性预测系数(LPC)和线性预测倒谱系数(LPCC) | 第34-37页 |
| 3.2.2 梅尔倒谱系数(MFCC)和差分梅尔倒谱系数(AMFCC) | 第37-40页 |
| 3.2.3 组合特征参数 | 第40-41页 |
| 3.3 声纹识别模型 | 第41-45页 |
| 3.3.1 矢量量化的基本原理 | 第42页 |
| 3.3.2 矢量量化的编码器 | 第42-43页 |
| 3.3.3 矢量量化的LBG算法 | 第43-45页 |
| 3.4 本章小结 | 第45-47页 |
| 第4章 军事通话声纹识别系统的设计与仿真 | 第47-61页 |
| 4.1 系统的框架 | 第47-48页 |
| 4.2 设计的过程中参数和算法的选择 | 第48-58页 |
| 4.2.1 语音库的建立 | 第48-49页 |
| 4.2.2 预处理阶段 | 第49-51页 |
| 4.2.3 特征参数提取阶段 | 第51-55页 |
| 4.2.4 训练和测试阶段 | 第55-56页 |
| 4.2.5 去噪算法选择 | 第56-58页 |
| 4.3 声纹识别系统仿真平台设计 | 第58-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 系统核心部分硬件实现及系统效果测试 | 第61-71页 |
| 5.1 系统的软件开发环境 | 第61-62页 |
| 5.2 系统的硬件体系 | 第62-66页 |
| 5.2.1 ICETEK-DM6437-B评估板 | 第62-63页 |
| 5.2.2 XDS560仿真器 | 第63-64页 |
| 5.2.3 DSP声纹识别处理的芯片结构 | 第64页 |
| 5.2.4 DSP/BIOS系统配置 | 第64-65页 |
| 5.2.5 系统核心部分的硬件结构 | 第65-66页 |
| 5.3 系统测试与结果分析 | 第66-69页 |
| 5.3.1 系统测试环境 | 第66页 |
| 5.3.2 测试与结果分析 | 第66-69页 |
| 5.4 本章小结 | 第69-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |
