基于小波包分析和支持向量机的说话人识别
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·论文研究目的和意义 | 第11-12页 |
| ·国内外研究和发展现状 | 第12-13页 |
| ·说话人识别的基本原理 | 第13-14页 |
| ·说话人识别系统 | 第13-14页 |
| ·说话人识别的分类 | 第14页 |
| ·说话人识别的主要方法 | 第14-16页 |
| ·论文的研究内容及结构安排 | 第16-18页 |
| 第2章 语音信号预处理和常用特征 | 第18-36页 |
| ·语音信号预处理 | 第18-24页 |
| ·语音信号的数字化 | 第18页 |
| ·语音信号的预处理 | 第18-20页 |
| ·常用语音信号端点检测 | 第20-21页 |
| ·能频值法语音信号端点检测 | 第21-24页 |
| ·语音信号常用特征 | 第24-32页 |
| ·线性预测倒谱系数 | 第25-29页 |
| ·美尔频率倒谱参数 | 第29-32页 |
| ·其他特征参数 | 第32页 |
| ·语音信号特征参数的评价方法 | 第32-34页 |
| ·特征参数的评价方法 | 第33页 |
| ·F比和D比 | 第33-34页 |
| ·基于加权F比的MFCC | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第3章 小波分析在说话人识别中的应用 | 第36-48页 |
| ·小波分析基础 | 第36-40页 |
| ·小波变换的定义 | 第37-38页 |
| ·连续小波变换的定义 | 第38-39页 |
| ·离散小波变换 | 第39-40页 |
| ·多分辨率分析与Mallat算法 | 第40-42页 |
| ·多分辨分析 | 第40-41页 |
| ·Matllat算法 | 第41-42页 |
| ·小波包分析 | 第42-43页 |
| ·常用小波函数 | 第43-44页 |
| ·基于小波包的语音特征提取 | 第44-47页 |
| ·小波包对语音频带的划分 | 第44页 |
| ·小波包语音特征提取过程 | 第44-47页 |
| ·基于加权F比的WPTC | 第47页 |
| ·本章小结 | 第47-48页 |
| 第4章 基于支持向量机分类器的设计 | 第48-59页 |
| ·统计学习理论 | 第49-51页 |
| ·VC维 | 第49页 |
| ·推广性的界 | 第49-50页 |
| ·结构风险最小化 | 第50-51页 |
| ·支持向量机 | 第51-56页 |
| ·最优分类超平面 | 第51-53页 |
| ·支持向量机的核函数 | 第53-54页 |
| ·支持向量机的分类学习算法 | 第54-55页 |
| ·支持向量机的多分类划分 | 第55-56页 |
| ·支持向量机的模型选择 | 第56-57页 |
| ·LIBSVM软件包简介 | 第57页 |
| ·本章小结 | 第57-59页 |
| 第5章 实验结果与分析 | 第59-64页 |
| ·实验的软硬件环境 | 第59页 |
| ·语音数据库的构成 | 第59页 |
| ·实验结果与分析 | 第59-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第70-71页 |
| 致谢 | 第71页 |
