摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第13-17页 |
1.1 课题背景及研究目的与意义 | 第13-14页 |
1.2 说话人识别的发展历史和研究现状 | 第14-15页 |
1.3 未解决的问题 | 第15-16页 |
1.4 本文研究内容及安排 | 第16-17页 |
第二章 说话人识别简介 | 第17-20页 |
2.1 说话人识别的类别 | 第17-18页 |
2.2 说话人识别的原理和结构 | 第18-19页 |
2.3 说话人识别的特征提取 | 第19页 |
2.4 评价指标 | 第19页 |
2.5 本章小节 | 第19-20页 |
第三章 语音信号处理 | 第20-33页 |
3.1 语音信号的产生 | 第20-21页 |
3.1.1 语音信号的产生机理 | 第20页 |
3.1.2 语音信号产生的数学模型 | 第20-21页 |
3.2 语音信号的预处理 | 第21-24页 |
3.2.1 采样与量化 | 第21页 |
3.2.2 归一化 | 第21页 |
3.2.3 端点检测 | 第21-22页 |
3.2.4 预加重 | 第22-23页 |
3.2.5 加窗 | 第23-24页 |
3.3 语音信号的时域分析 | 第24-26页 |
3.3.1 短时平均能量 | 第24-25页 |
3.3.2 短时平均过零率 | 第25-26页 |
3.4 语音信号的频域分析 | 第26页 |
3.5 语音信号的同态倒谱分析 | 第26-27页 |
3.5.1 倒谱和复倒谱 | 第26-27页 |
3.5.2 线性预测系数 | 第27页 |
3.6 语音信号特征提取 | 第27-32页 |
3.6.1 梅尔频率倒谱系数 | 第27-31页 |
3.6.2 线性预测倒谱系数 | 第31页 |
3.6.3 感知线性预测系数 | 第31页 |
3.6.4 其他特征 | 第31页 |
3.6.5 短时归一化能量 | 第31-32页 |
3.6.6 语音信号的动态特征 | 第32页 |
3.7 本章小结 | 第32-33页 |
第四章 说话人识别基本技术及算法 | 第33-38页 |
4.1 说话人识别系统的基本构成 | 第33页 |
4.2 期望最大化算法 | 第33-36页 |
4.2.1 EM算法的一种常见形式 | 第33-35页 |
4.2.2 EM算法的一般化形式 | 第35-36页 |
4.3 高斯混合模型-通用背景模型 | 第36-37页 |
4.4 因子分析技术 | 第37页 |
4.5 本章小结 | 第37-38页 |
第五章 基于i-vector的说话人识别 | 第38-44页 |
5.1 基于因子分析的i-vector模型 | 第38-39页 |
5.2 i-vector模型描述 | 第39页 |
5.3 i-vector模型参数的估计 | 第39-41页 |
5.3.1 GMM均值超向量M的计算 | 第39-40页 |
5.3.2 基于因子分析的总体变化子空间的估计 | 第40-41页 |
5.4 信道补偿技术 | 第41-42页 |
5.5 i-vector的提取 | 第42-43页 |
5.5.1 基于权矩阵 | 第42页 |
5.5.2 基于自变量线性组合 | 第42-43页 |
5.6 模型打分器 | 第43页 |
5.7 本章小结 | 第43-44页 |
第六章 基于i-vector的说话人识别系统的实现与实验成果 | 第44-53页 |
6.1 系统环境和功能模块 | 第44-46页 |
6.1.1 软件和硬件环境 | 第44页 |
6.1.2 系统功能和模块介绍 | 第44-46页 |
6.2 实验数据库和实验配置 | 第46-47页 |
6.2.1 实验数据与设置 | 第46页 |
6.2.2 实验中各主要参数 | 第46-47页 |
6.2.3 实验设计 | 第47页 |
6.3 实验结果与分析 | 第47-51页 |
6.3.1 端点检测 | 第47页 |
6.3.2 MFCC特征维数 | 第47-48页 |
6.3.3 不同的特征提取方法对比实验 | 第48页 |
6.3.4 高斯混合密度个数 | 第48-49页 |
6.3.5 总体变化子空间T的初始化 | 第49页 |
6.3.6 总体变化子空间T的维数 | 第49-50页 |
6.3.7 语音长度 | 第50-51页 |
6.3.8 训练语音数目 | 第51页 |
6.4 不同模型识别性能比较 | 第51-52页 |
6.5 本章小节 | 第52-53页 |
第七章 总结与展望 | 第53-54页 |
7.1 总结 | 第53页 |
7.2 展望 | 第53-54页 |
参考文献 | 第54-57页 |
致谢 | 第57页 |