| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-13页 |
| 第一章 绪论 | 第13-22页 |
| ·引言 | 第13页 |
| ·说话人识别技术的应用 | 第13-14页 |
| ·说话人识别技术的特点和难点 | 第14-16页 |
| ·说话人发音的不稳定性 | 第14-15页 |
| ·声音的掩饰和模仿 | 第15页 |
| ·采集设备与环境影响 | 第15-16页 |
| ·国内外研究现状和发展方向 | 第16-18页 |
| ·研究思路和创新点 | 第18-20页 |
| ·研究思路 | 第18-19页 |
| ·主要创新点 | 第19-20页 |
| ·论文结构 | 第20-22页 |
| 第二章 说话人识别相关技术 | 第22-37页 |
| ·引言 | 第22页 |
| ·说话人识别原理 | 第22-25页 |
| ·说话人识别的分类 | 第22-23页 |
| ·说话人识别系统结构 | 第23-24页 |
| ·说话人识别系统性能的评价 | 第24-25页 |
| ·语音的产生和感知 | 第25-26页 |
| ·语音的产生 | 第25-26页 |
| ·语音的感知 | 第26页 |
| ·语音特征参数的提取 | 第26-29页 |
| ·基音周期 | 第27页 |
| ·线性预测倒谱系数 | 第27-28页 |
| ·美尔频率标度倒谱系数 | 第28-29页 |
| ·说话人识别模型 | 第29-36页 |
| ·K-最近邻方法 | 第30-31页 |
| ·矢量量化 | 第31-32页 |
| ·高斯混合模型 | 第32-33页 |
| ·人工神经网络 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 汉语元音映射技术 | 第37-47页 |
| ·引言 | 第37页 |
| ·汉语音节结构和韵母声学特征 | 第37-39页 |
| ·汉语语音基本特征 | 第37-38页 |
| ·韵母分析 | 第38-39页 |
| ·汉语元音特征映射技术 | 第39-45页 |
| ·基于汉语元音映射的说话人识别框架 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于元音映射说话人识别中的预处理技术 | 第47-62页 |
| ·引言 | 第47页 |
| ·基于频域能量分布分析的元音帧提取算法 | 第47-54页 |
| ·理论和算法 | 第48-51页 |
| ·含有MEL标度映射的频域能量分析方法 | 第48-49页 |
| ·基于能量和过零率的元音帧提取 | 第49-50页 |
| ·阈值的自适应策略 | 第50页 |
| ·算法步骤 | 第50-51页 |
| ·实验结果与数据分析 | 第51-54页 |
| ·单字音中的元音帧提取实验 | 第51-53页 |
| ·连续语音中的元音帧提取实验 | 第53-54页 |
| ·基于线性预测残差倒谱的基音检测算法 | 第54-60页 |
| ·算法描述 | 第54-58页 |
| ·倒谱法 | 第54-55页 |
| ·线性预测残差 | 第55-56页 |
| ·谐波积谱原理 | 第56-57页 |
| ·CBHPS算法 | 第57-58页 |
| ·实验和分析 | 第58-60页 |
| ·本章小结 | 第60-62页 |
| 第五章 基于汉语元音映射的说话人识别模型 | 第62-85页 |
| ·引言 | 第62-63页 |
| ·基于分类特征的矢量量化说话人识别研究 | 第63-70页 |
| ·矢量量化说话人识别原理 | 第63-67页 |
| ·特征参数的选取 | 第64-65页 |
| ·汉语元音特征的分类与识别 | 第65-66页 |
| ·矢量量化技术 | 第66-67页 |
| ·实验结果与数据分析 | 第67-70页 |
| ·矢量量化码本比较实验 | 第67-68页 |
| ·识别结果与分析 | 第68-70页 |
| ·基于仿生模式识别的说话人识别方法 | 第70-77页 |
| ·基于仿生模式识别的识别算法 | 第70-74页 |
| ·仿生模式识别理论 | 第70-71页 |
| ·改进的最近邻覆盖算法 | 第71-72页 |
| ·识别算法 | 第72-73页 |
| ·基于分层采样的KNN算法 | 第73-74页 |
| ·实验数据与分析 | 第74-77页 |
| ·算法性能实验 | 第74-76页 |
| ·针对连续语音的实验结果 | 第76-77页 |
| ·基于环域的分层采样算法实验 | 第77页 |
| ·基于神经网络集成的说话人识别算法 | 第77-83页 |
| ·基于单元音分类的神经网络集成 | 第78-80页 |
| ·研究动机 | 第78-79页 |
| ·系统结构和集成策略 | 第79-80页 |
| ·神经网络的训练方法 | 第80页 |
| ·仿真实验与数据分析 | 第80-83页 |
| ·针对单元音发音的实验结果 | 第81页 |
| ·针对连续语音的实验结果 | 第81-82页 |
| ·集成方法的对比 | 第82-83页 |
| ·本章小结 | 第83-85页 |
| 第六章 说话人识别系统中的噪声处理技术 | 第85-99页 |
| ·引言 | 第85-86页 |
| ·基于加权特征补偿变换的鲁棒性说话人识别方法 | 第86-92页 |
| ·加权特征补偿变换分析 | 第86-88页 |
| ·帧信噪比与加权因子 | 第86-87页 |
| ·加权特征补偿变换的提出 | 第87-88页 |
| ·鲁棒说话人识别仿真系统 | 第88-89页 |
| ·预处理和特征提取 | 第88-89页 |
| ·高斯混合模型的建立与识别 | 第89页 |
| ·仿真实验与结果分析 | 第89-92页 |
| ·仿真系统语音库 | 第89页 |
| ·加权因子仿真实验 | 第89-90页 |
| ·基于加权特征补偿变换的说话人识别方法的仿真研究 | 第90-92页 |
| ·基于背景噪声模型估计的自适应说话人识别技术 | 第92-98页 |
| ·语音帧/非语音帧的提取 | 第93页 |
| ·背景噪声模型估计和说话人特征提取 | 第93-95页 |
| ·说话人识别系统 | 第95-96页 |
| ·预处理和特征提取 | 第95-96页 |
| ·高斯混合模型的建立与识别 | 第96页 |
| ·仿真实验与结果分析 | 第96-98页 |
| ·仿真系统语音库 | 第96页 |
| ·基于背景噪声模型估计的自适应说话人识别技术的仿真研究 | 第96-98页 |
| ·小结 | 第98-99页 |
| 结束语 | 第99-101页 |
| 参考文献 | 第101-111页 |
| 致谢 | 第111-112页 |
| 附录 | 第112-113页 |