摘要 | 第1-7页 |
Abstract | 第7-12页 |
第1章 绪论 | 第12-25页 |
·课题的来源、目的和意义 | 第12-13页 |
·国内外相关技术发展综述 | 第13-18页 |
·VDR发展概况 | 第13-15页 |
·人声识别技术发展现状及分类特点 | 第15-16页 |
·国内外语音识别技术概况 | 第16-18页 |
·VDR人声识别系统分析 | 第18-20页 |
·人声识别模式匹配方法研究概况 | 第20-23页 |
·模板匹配法 | 第20-21页 |
·概率统计法 | 第21-22页 |
·辨别分类器法 | 第22-23页 |
·论文的主要研究工作 | 第23-25页 |
第2章 人声识别建模技术研究 | 第25-50页 |
·引言 | 第25页 |
·语音的声学模型和数学模型 | 第25-30页 |
·语音产生的声学原理 | 第25-26页 |
·语音信号的数学模型 | 第26-30页 |
·基准识别系统及研究平台 | 第30-34页 |
·语料库 | 第30页 |
·实验平台 | 第30-33页 |
·声学模型选择 | 第33-34页 |
·高斯混合模型(GMM)研究 | 第34-40页 |
·GMM模型三参数 | 第34-36页 |
·GMM模型训练(EM迭代)算法 | 第36-37页 |
·判决阈值Thres的设定 | 第37-39页 |
·实验结果与分析 | 第39-40页 |
·改进的动态阈值算法Thres_DTSV | 第40-42页 |
·基准识别系统测试 | 第42-48页 |
·人声识别系统性能评价方法 | 第42-45页 |
·实验结果与分析 | 第45-48页 |
·本章小结 | 第48-50页 |
第3章 语音信号端点检测研究 | 第50-77页 |
·引言 | 第50页 |
·语音端点检测算法研究 | 第50-66页 |
·短时能量E_n和短时平均幅度M_n的计算 | 第51-52页 |
·短时能量结合过零率的端点检测 | 第52-55页 |
·频带方差D算子求解 | 第55-56页 |
·倒谱距离d'_(cep)的求解 | 第56-58页 |
·基于自适应子带熵H(m)的语音端点检测 | 第58-66页 |
·基于近似熵的端点检测算法研究 | 第66-74页 |
·近似熵ApEn算法研究 | 第66-68页 |
·基于近似熵的语音端点检测与改进 | 第68-71页 |
·改进的自适应阈值与ApEn参数调整 | 第71-74页 |
·实验结果与分析 | 第74-76页 |
·本章小结 | 第76-77页 |
第4章 VDR人声识别特征提取研究 | 第77-111页 |
·引言 | 第77页 |
·LPCC和MFCC特征比较分析 | 第77-82页 |
·LPCC特征提取算法 | 第77-80页 |
·实验结果及分析 | 第80-82页 |
·基于听觉掩蔽特性的MFCC特征提取 | 第82-89页 |
·听觉掩蔽特性的MFCC | 第83-86页 |
·bark_(mel)掩蔽特性的MFCC与改进 | 第86-88页 |
·实验结果与分析 | 第88-89页 |
·基于等响特性的MFCC信噪比加权 | 第89-96页 |
·等响信噪比加权的MFCC | 第89-91页 |
·基于耳蜗分频特性的MFCC与改进 | 第91-95页 |
·实验结果与分析 | 第95-96页 |
·鲁棒的MFCC特征提取方法研究 | 第96-109页 |
·基于AM-FM模型的鲁棒特征 | 第97-98页 |
·TEO能量算子及ESA能量分离算法 | 第98-102页 |
·基于AM-FM模型的鲁棒特征提取 | 第102-104页 |
·基于TEO算子的TEO-MFCC特征系数加权算法 | 第104-109页 |
·试验结果与分析 | 第109页 |
·本章小结 | 第109-111页 |
第5章 VDR人声识别模型研究 | 第111-119页 |
·引言 | 第111页 |
·GMM-UBM框架分析 | 第111-112页 |
·GMM-UBM模型MAP训练算法研究 | 第112-115页 |
·基于GMM-UBM的开集动态阈值算法Thres_UBM | 第115-117页 |
·实验结果与分析 | 第117-118页 |
·本章小结 | 第118-119页 |
结论 | 第119-121页 |
参考文献 | 第121-133页 |
攻读博士学位期间发表的论文和取得的科研成果 | 第133-134页 |
致谢 | 第134页 |