| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景及意义 | 第8-10页 |
| 1.2 现状和发展 | 第10-11页 |
| 1.2.1 说话人确认技术的分类 | 第11页 |
| 1.3 说话人确认技术概述 | 第11-14页 |
| 1.3.1 说话人确认系统的基本框架 | 第11-12页 |
| 1.3.2 性能评估 | 第12-14页 |
| 1.4 本论文的主要工作 | 第14-15页 |
| 第2章 语音特征参数的获取 | 第15-20页 |
| 2.1 语音特征提取 | 第15-17页 |
| 2.1.1 MFCC | 第16-17页 |
| 2.2 AMFs参数 | 第17-19页 |
| 2.2.1 发音动作参数提取 | 第17-18页 |
| 2.2.2 特征提取 | 第18-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 基于MFCC的说话人确认 | 第20-29页 |
| 3.1 基于GMM_UBM的说话人确认系统 | 第20-21页 |
| 3.2 高斯混合模型的基本原理 | 第21-25页 |
| 3.2.1 EM算法 | 第22-24页 |
| 3.2.2 最大后验概率(Maximumaposteriori,MAP) | 第24-25页 |
| 3.3 基于DTW的说话人确认 | 第25-27页 |
| 3.3.1 基于DTW的说话人确认框架 | 第25-26页 |
| 3.3.2 DTW算法 | 第26-27页 |
| 3.4 实验 | 第27-28页 |
| 3.4.1 实验配置 | 第27页 |
| 3.4.2 实验描述 | 第27页 |
| 3.4.3 实验结果分析 | 第27-28页 |
| 3.5 本章小结 | 第28-29页 |
| 第4章 基于发音动作参数的说话人确认 | 第29-36页 |
| 4.1 数据库录制 | 第29页 |
| 4.2 DTW算法优势 | 第29-30页 |
| 4.2.1 DTW算法的选择原因 | 第29-30页 |
| 4.2.2 说话人确认系统框架 | 第30页 |
| 4.3 实验 | 第30-32页 |
| 4.3.1 系统配置 | 第30页 |
| 4.3.2 特征空间中的说话人区分性 | 第30-32页 |
| 4.4 实验结果 | 第32-33页 |
| 4.4.1 基线系统 | 第32-33页 |
| 4.5 特征融合和系统融合 | 第33-35页 |
| 4.6 本章小结 | 第35-36页 |
| 第5章 GMM_SVM的说话人确认系统 | 第36-43页 |
| 5.1 GMM_SVM模型的优势 | 第36页 |
| 5.2 GMM-SVM模型的说话人确认系统框架 | 第36-39页 |
| 5.2.1 GMM均值超向量 | 第37页 |
| 5.2.2 支持向量机 | 第37-39页 |
| 5.3 实验结果 | 第39-41页 |
| 5.3.1 特征融合 | 第39-40页 |
| 5.3.2 特征融合和系统融合 | 第40-41页 |
| 5.3.3 识别结果 | 第41页 |
| 5.4 本章小结 | 第41-43页 |
| 第6章 总结与展望 | 第43-45页 |
| 6.1 总结 | 第43-44页 |
| 6.2 展望 | 第44-45页 |
| 参考文献 | 第45-48页 |
| 攻读学位期间取得的研究成果 | 第48-49页 |
| 致谢 | 第49页 |