基于倒谱特征的说话人识别方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-16页 |
| ·说话人识别研究背景 | 第11-12页 |
| ·国内外研究现状 | 第12-14页 |
| ·论文研究的目的和意义 | 第14-15页 |
| ·论文的研究内容及结构安排 | 第15-16页 |
| 第2章 说话人识别基本理论 | 第16-31页 |
| ·说话人识别定义和分类 | 第16-17页 |
| ·说话人识别原理和组成模块 | 第17-21页 |
| ·主流的说话人识别模型 | 第21-25页 |
| ·模板匹配法 | 第21-23页 |
| ·概率统计方法 | 第23-24页 |
| ·分类器方法 | 第24-25页 |
| ·混合方法 | 第25页 |
| ·说话者识别的各种困难 | 第25-28页 |
| ·个体的内在变动 | 第25-26页 |
| ·声音伪装和模仿 | 第26页 |
| ·技术性错误源 | 第26-28页 |
| ·语音信号长度的影响 | 第28页 |
| ·Lombard效应的影响 | 第28页 |
| ·语音库介绍 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 说话人识别特征 | 第31-61页 |
| ·语音认识的三个角度 | 第31-34页 |
| ·特征提取的定义、原因 | 第34-35页 |
| ·特征提取标准 | 第35-36页 |
| ·特征参量评价方法 | 第36-37页 |
| ·F比 | 第36页 |
| ·可分性测度(D比) | 第36-37页 |
| ·增量减量法 | 第37页 |
| ·特征分类 | 第37-38页 |
| ·"高层次"和"低层次"特征 | 第37-38页 |
| ·低层语音特征的分类 | 第38页 |
| ·三大特征(LPCC、MFCC和PLPC)分析 | 第38-46页 |
| ·线性预测倒谱系数(LPCC) | 第38-40页 |
| ·梅尔倒谱系数(MFCC) | 第40-42页 |
| ·感知线性预测系数(PLPC) | 第42-44页 |
| ·三种特征的比较 | 第44-46页 |
| ·基于特征的信道补偿方法 | 第46-50页 |
| ·差分倒谱(delta cepstrum) | 第46-47页 |
| ·倒谱平均减(CMS) | 第47页 |
| ·相对谱技术(RASTA) | 第47-50页 |
| ·三种方法比较 | 第50页 |
| ·倒谱特征和其动态特征实验 | 第50-55页 |
| ·特征变换 | 第55-60页 |
| ·线性判别(LDA) | 第56-57页 |
| ·主分量分析(PCA) | 第57-58页 |
| ·基于PCA的特征变换实验 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第4章 说话人识别模型(GMM与SVM) | 第61-79页 |
| ·混合高斯模型(GMM) | 第61-68页 |
| ·GMM模型的基本概念 | 第61-63页 |
| ·GMM模型参数估计(EM算法) | 第63-65页 |
| ·GMM模型参数估计初始化 | 第65-66页 |
| ·说话人辨认 | 第66-67页 |
| ·GMM模型阶数实验 | 第67-68页 |
| ·支持向量机模型(SVM) | 第68-76页 |
| ·SVM的统计学习基础 | 第69-71页 |
| ·支持向量机理论 | 第71-75页 |
| ·基于SVM的说话人识别系统 | 第75-76页 |
| ·GMM与SVM的结合模型 | 第76-78页 |
| ·GMM与SVM模型特点分析 | 第76-77页 |
| ·GMM与SVM的结合模型 | 第77-78页 |
| ·本章小结 | 第78-79页 |
| 第5章 实验结果及分析 | 第79-85页 |
| ·静动态组合特征实验(基于GMM模型) | 第79-83页 |
| ·纯净语音下的实验 | 第79-81页 |
| ·带噪语音下的识别实验 | 第81-83页 |
| ·组合模型实验 | 第83-84页 |
| ·本章小结 | 第84-85页 |
| 第6章 总结与展望 | 第85-87页 |
| ·研究总结 | 第85页 |
| ·展望 | 第85-87页 |
| 参考文献 | 第87-91页 |
| 致谢 | 第91-92页 |
