| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 引言 | 第9-12页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-11页 |
| 1.3 章节安排 | 第11页 |
| 1.4 本章小结 | 第11-12页 |
| 第2章 语音信号处理和分析 | 第12-15页 |
| 2.1 语音信号的预处理 | 第12-13页 |
| 2.1.1 采样和量化 | 第12页 |
| 2.1.2 预加重 | 第12页 |
| 2.1.3 分帧加窗 | 第12-13页 |
| 2.1.4 端点检测 | 第13页 |
| 2.2 语音信号的时域分析 | 第13-14页 |
| 2.2.1 短时能量 | 第13-14页 |
| 2.2.2 短时平均过零率 | 第14页 |
| 2.2.3 短时自相关函数 | 第14页 |
| 2.3 本章小结 | 第14-15页 |
| 第3章 说话人识别技术 | 第15-21页 |
| 3.1 说话人识别基本概念 | 第15页 |
| 3.2 说话人识别分类 | 第15-16页 |
| 3.2.1 根据任务不同分类 | 第15页 |
| 3.2.2 根据识别对象分类 | 第15-16页 |
| 3.2.3 根据用户身份信息分类 | 第16页 |
| 3.3 说话人识别算法 | 第16-17页 |
| 3.3.1 基于模板匹配的方法 | 第16页 |
| 3.3.2 基于判决模型的方法 | 第16页 |
| 3.3.3 基于概率模型的方法 | 第16-17页 |
| 3.3.4 基于混合模型的方法 | 第17页 |
| 3.4 说话人识别系统结构及特征参数 | 第17-20页 |
| 3.4.1 系统结构 | 第17-18页 |
| 3.4.2 LPCC特征参数 | 第18-19页 |
| 3.4.3 MFCC特征参数 | 第19-20页 |
| 3.5 本章小结 | 第20-21页 |
| 第4章 基于隐马尔科夫模型的说话人与语义双重识别 | 第21-35页 |
| 4.1 基于HMM的语音识别方法 | 第21-24页 |
| 4.1.1 HMM的基本概念 | 第21页 |
| 4.1.2 HMM的评估、解码与训练 | 第21-24页 |
| 4.2 藏语安多方言文本相关的说话人识别与语义识别 | 第24-34页 |
| 4.2.1 语料库的建立 | 第26-27页 |
| 4.2.2 说话人识别 | 第27-28页 |
| 4.2.3 语义识别 | 第28-34页 |
| 4.3 本章小结 | 第34-35页 |
| 第5章 实验结果 | 第35-39页 |
| 5.1 说话人识别 | 第35页 |
| 5.2 语义识别 | 第35-36页 |
| 5.3 统计分析 | 第36页 |
| 5.4 双重识别率 | 第36-37页 |
| 5.5 最终识别率 | 第37-38页 |
| 5.6 本章小结 | 第38-39页 |
| 第6章 总结与展望 | 第39-40页 |
| 6.1 总结 | 第39页 |
| 6.2 展望 | 第39-40页 |
| 参考文献 | 第40-43页 |
| 攻读学位期间的研究成果 | 第43-44页 |
| 致谢 | 第44页 |