| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 第一章 绪论 | 第9-15页 |
| ·说话人识别技术的研究背景和意义 | 第9页 |
| ·说话人识别技术概述 | 第9-11页 |
| ·说话人识别系统结构 | 第9-10页 |
| ·说话人识别模型 | 第10-11页 |
| ·说话人识别系统的性能评价 | 第11页 |
| ·说话人识别技术的研究与发展 | 第11-13页 |
| ·说话人识别技术的研究 | 第11-12页 |
| ·说话人识别技术的发展 | 第12-13页 |
| ·说话人识别技术的应用现状 | 第13页 |
| ·论文的内容安排以及创新点 | 第13-15页 |
| 第二章 语音信号特征参数分析及提取 | 第15-21页 |
| ·语音信号产生原理 | 第15-16页 |
| ·说话人识别常用的特征参数 | 第16页 |
| ·线性预测倒谱系数(LPCC) | 第16页 |
| ·梅尔倒谱系数(MFCC) | 第16页 |
| ·语音信号特征参数提取 | 第16-20页 |
| ·采样与量化 | 第17页 |
| ·语音信号预处理 | 第17页 |
| ·特征参数提取算法 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 聚类分析 | 第21-26页 |
| ·聚类分析概述 | 第21-24页 |
| ·簇的定义 | 第21-22页 |
| ·数学表示 | 第22-23页 |
| ·聚类分析研究的主要内容 | 第23-24页 |
| ·主要聚类方法 | 第24-25页 |
| ·划分方法 | 第24页 |
| ·层次方法 | 第24页 |
| ·基于密度方法 | 第24页 |
| ·基于网格方法 | 第24-25页 |
| ·基于模型方法 | 第25页 |
| ·本章小结 | 第25-26页 |
| 第四章 神经网络集成 | 第26-33页 |
| ·BP 神经网络 | 第26-30页 |
| ·BP 算法概述 | 第26-27页 |
| ·BP 算法数学描述 | 第27-29页 |
| ·BP 算法程序的实现 | 第29-30页 |
| ·神经网络集成概述 | 第30-31页 |
| ·神经网络集成思想的产生 | 第30页 |
| ·神经网络集成原理 | 第30-31页 |
| ·神经网络集成构建方法 | 第31-32页 |
| ·个体创建 | 第31-32页 |
| ·结论合成 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第五章 基于聚类分析和神经网络集成的说话人识别系统 | 第33-39页 |
| ·改进的 k-means 聚类算法 | 第33-37页 |
| ·k-means 算法基本思想 | 第33-34页 |
| ·基于传统 k-means 算法的改进 | 第34-35页 |
| ·改进后 k-means 算法仿真实验 | 第35-37页 |
| ·BP_AdaBoost 神经网络集成策略 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第六章 仿真实验和分析 | 第39-48页 |
| ·实验平台 | 第39页 |
| ·硬件环境 | 第39页 |
| ·软件环境 | 第39页 |
| ·实验 1：语音特征参数提取 | 第39-45页 |
| ·语音采样 | 第39-40页 |
| ·语音信号预处理 | 第40-43页 |
| ·特征参数的选择 | 第43-45页 |
| ·实验 2：识别实验 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第七章 总结和展望 | 第48-49页 |
| ·总结 | 第48页 |
| ·展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 攻读硕士学位期间取得的科研成果 | 第52-53页 |
| 致谢 | 第53页 |