| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 课题研究背景及选题意义 | 第12-13页 |
| 1.2 说话人语音识别研究状况 | 第13-16页 |
| 1.2.1 国内外研究过程以及现状 | 第13-14页 |
| 1.2.2 存在问题和部分解决方案 | 第14-15页 |
| 1.2.3 发展趋势 | 第15-16页 |
| 1.3 本文主要研究内容 | 第16-18页 |
| 第二章 说话人识别技术概述 | 第18-29页 |
| 2.1 引言 | 第18页 |
| 2.2 语音信号预处理 | 第18-20页 |
| 2.3 语音特征提取 | 第20-25页 |
| 2.3.1 语音产生的机理 | 第20-21页 |
| 2.3.2 语音信号的分析方法 | 第21-22页 |
| 2.3.3 LPCC参数的提取 | 第22-23页 |
| 2.3.4 MFCC参数的提取 | 第23-25页 |
| 2.4 识别模型 | 第25-27页 |
| 2.4.1 动态时间规整（DTW） | 第25-26页 |
| 2.4.2 隐马尔科夫模型（HMM） | 第26页 |
| 2.4.4 高斯混合模型（GMM） | 第26-27页 |
| 2.4.5 人工神经网络（ANN） | 第27页 |
| 2.5 说话人识别系统的性能评价 | 第27页 |
| 2.6 小结 | 第27-29页 |
| 第三章 基于GMM的说话人识别技术 | 第29-36页 |
| 3.1 引言 | 第29页 |
| 3.2 GMM模型基本概念 | 第29-34页 |
| 3.2.1 高斯分布 | 第29-30页 |
| 3.2.2 高斯混合模型（GMM） | 第30-31页 |
| 3.2.3 GMM的参数估计 | 第31-34页 |
| 3.3 基于GMM模型的说话人识别 | 第34-35页 |
| 3.4 基于GMM模型的参数估计 | 第35页 |
| 3.5 小结 | 第35-36页 |
| 第四章 基于改进MFCC特征参数在GMM模型下的说话人识别 | 第36-46页 |
| 4.1 引言 | 第36页 |
| 4.2 基于端点检测和高斯滤波器组的MFCC特征提取算法 | 第36-39页 |
| 4.2.1 端点检测算法 | 第36-37页 |
| 4.2.2 高斯滤波器组 | 第37-39页 |
| 4.3 动态调整MFCC参数的特征提取算法 | 第39-45页 |
| 4.3.1 基音检测 | 第39-42页 |
| 4.3.2 基音频率与高斯滤波器组的动态结合 | 第42-43页 |
| 4.3.3 动态MFCC特征参数提取 | 第43-45页 |
| 4.4 小结 | 第45-46页 |
| 第五章 说话人识别系统实现 | 第46-52页 |
| 5.1 实验硬件平台 | 第46页 |
| 5.2 实验方案设计 | 第46页 |
| 5.3 实验结果与分析 | 第46-51页 |
| 5.3.1 基于端点检测和高斯滤波器组的MFCC特征参数实验分析 | 第46-48页 |
| 5.3.2 动态调整MFCC特征参数的实验分析 | 第48-51页 |
| 5.4 小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-54页 |
| 6.1 总结 | 第52-53页 |
| 6.2 展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间发表的学术论文 | 第58-60页 |
| 致谢 | 第60页 |
