摘要 | 第4-5页 |
Abstract | 第5页 |
注释表 | 第11-12页 |
第一章 绪论 | 第12-17页 |
1.1 课题研究背景及意义 | 第12-13页 |
1.1.1 声纹识别的研究背景 | 第12页 |
1.1.2 声纹识别的研究意义和应用 | 第12-13页 |
1.2 声纹识别的国内外研究现状和技术难点 | 第13-15页 |
1.3 本文研究的内容 | 第15-17页 |
1.3.1 论文的主要工作 | 第15-16页 |
1.3.2 论文的组织结构 | 第16-17页 |
第二章 声纹识别技术中的语音信号处理 | 第17-33页 |
2.1 声纹识别概述 | 第17-19页 |
2.1.1 声纹识别简介 | 第17页 |
2.1.2 声纹识别分类 | 第17-18页 |
2.1.3 声纹识别系统介绍 | 第18-19页 |
2.2 语音信号的预处理 | 第19-23页 |
2.2.1 预加重 | 第19-20页 |
2.2.2 分帧加窗 | 第20-23页 |
2.3 语音信号的端点检测 | 第23-25页 |
2.3.1 双阈值端点检测方法 | 第23-24页 |
2.3.2 声音信号端点检测实验 | 第24-25页 |
2.4 语音信号的特征提取 | 第25-32页 |
2.4.1 时域特征 | 第25-28页 |
2.4.2 频域特征 | 第28-29页 |
2.4.3 梅尔倒谱特征 | 第29-32页 |
2.5 本章小结 | 第32-33页 |
第三章 小波变换与梅尔倒谱结合的声音特征提取方法 | 第33-43页 |
3.1 差分MFCC特征提取 | 第33-34页 |
3.2 基于小波包节点能量的声纹特征提取 | 第34-37页 |
3.2.1 小波包分解理论 | 第35-36页 |
3.2.2 小波包节点能量提取 | 第36-37页 |
3.3 基于小波包分解的MFCC特征提取方法的改进 | 第37-39页 |
3.4 声纹识别实验 | 第39-42页 |
3.4.1 实验语音库 | 第39-40页 |
3.4.2 实验方法和结果 | 第40-41页 |
3.4.3 实验结果分析 | 第41-42页 |
3.5 本章小结 | 第42-43页 |
第四章 基于改进SVM的声纹识别方法研究 | 第43-56页 |
4.1 声纹识别的匹配模型 | 第43-44页 |
4.1.1 模板匹配法 | 第43页 |
4.1.2 概率统计模型算法 | 第43-44页 |
4.1.3 机器学习算法 | 第44页 |
4.2 基于SVM的声纹识别系统 | 第44-48页 |
4.2.1 SVM概述 | 第44-45页 |
4.2.2 SVM在声纹识别系统中的应用 | 第45-46页 |
4.2.3 SVM的参数选择 | 第46-47页 |
4.2.4 实验结果及结论 | 第47-48页 |
4.3 SVM参数优化算法 | 第48-55页 |
4.3.1 PSO算法 | 第49-51页 |
4.3.2 基于PSO算法的SVM模型参数寻优 | 第51页 |
4.3.3 PSO算法的改进 | 第51-52页 |
4.3.4 基于和声搜索算法的PSO算法改进 | 第52-53页 |
4.3.5 改进的PSO算法优化SVM参数的声纹识别系统实验分析 | 第53-55页 |
4.4 本章小结 | 第55-56页 |
第五章 基于说话人确认的模拟门禁系统设计 | 第56-67页 |
5.1 说话人确认的结构 | 第56-57页 |
5.2 主要实现步骤 | 第57页 |
5.3 说话人确认系统搭建及实验 | 第57-60页 |
5.3.1 系统界面 | 第57-58页 |
5.3.2 在线说话人确认身份实验 | 第58-59页 |
5.3.3 离线说话人确认实验 | 第59-60页 |
5.4 基于说话人确认的模拟门禁系统设计 | 第60-64页 |
5.4.1 硬件架构 | 第61页 |
5.4.2 软件部分 | 第61-64页 |
5.5 基于说话人确认的模拟门禁系统实验 | 第64-66页 |
5.5.1 实验设计 | 第64-65页 |
5.5.2 识别率的计算 | 第65页 |
5.5.3 在线门禁系统模拟实验 | 第65-66页 |
5.6 本章小结 | 第66-67页 |
第六章 总结与展望 | 第67-69页 |
6.1 全文总结 | 第67页 |
6.2 展望 | 第67-69页 |
参考文献 | 第69-72页 |
致谢 | 第72-73页 |
在学期间的研究成果及发表的学术论文 | 第73页 |