| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 说话人识别研究的意义 | 第7-9页 |
| 1.2 说话人识别的发展与现状 | 第9-10页 |
| 1.3 说话人识别的研究难点 | 第10-11页 |
| 1.4 论文的主要工作 | 第11-12页 |
| 1.5 论文的组织结构 | 第12-13页 |
| 第二章 说话人识别概述 | 第13-22页 |
| 2.1 引言 | 第13页 |
| 2.2 说话人识别的分类 | 第13-14页 |
| 2.3 预处理 | 第14-15页 |
| 2.4 语音特征参数的提取 | 第15-18页 |
| 2.4.1 线性预测倒谱系数 | 第15-16页 |
| 2.4.2 Mel频率倒谱系数 | 第16-18页 |
| 2.5 说话人识别方法 | 第18-21页 |
| 2.5.1 说话人模型 | 第18页 |
| 2.5.2 基于高斯混合模型(GMM)的说话人识别方法 | 第18-21页 |
| 2.6 本章小结 | 第21-22页 |
| 第三章 基于EMD的自适应高频加权MFCC的改进算法 | 第22-31页 |
| 3.1 引言 | 第22页 |
| 3.2 高频加权算法 | 第22-23页 |
| 3.3 经验模式分解 | 第23-26页 |
| 3.3.1 经验模式分解原理 | 第23-25页 |
| 3.3.2 第一阶IMF的频率范围 | 第25-26页 |
| 3.4 基于EMD的自适应高频加权改进MFCC | 第26-30页 |
| 3.4.1 自适应高频划分方法 | 第26页 |
| 3.4.2 算法步骤 | 第26-27页 |
| 3.4.3 加权系数F的确定 | 第27-28页 |
| 3.4.4 实验结果分析 | 第28-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第四章 基于Fisher比的倒谱参数加权算法 | 第31-43页 |
| 4.1 引言 | 第31页 |
| 4.2 倒谱参数加权算法 | 第31-33页 |
| 4.3 Fisher比 | 第33-34页 |
| 4.4 基于Fisher比的倒谱参数加权算法 | 第34-36页 |
| 4.4.1 倒谱特征中每一维参数的贡献度计算方法 | 第34-35页 |
| 4.4.2 算法原理 | 第35-36页 |
| 4.5 实验结果分析 | 第36-41页 |
| 4.5.1 改进MFCC的说话人识别性能 | 第36-39页 |
| 4.5.2 改进LPCC的说话人识别性能 | 第39-41页 |
| 4.6 本章小结 | 第41-43页 |
| 第五章 总结和展望 | 第43-45页 |
| 5.1 总结 | 第43页 |
| 5.2 展望 | 第43-45页 |
| 参考文献 | 第45-48页 |
| 在读期间发表的学术论文及研究成果 | 第48-49页 |
| 致谢 | 第49页 |