基于时间序列分析方法的说话者识别
| 中文摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 引 言 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·说话者识别研究现状和难点 | 第8-9页 |
| ·说话者识别的基本原理和主要识别模型 | 第9-11页 |
| ·时间序列分析方法 | 第11页 |
| ·本课题研究的意义 | 第11-12页 |
| ·本论文的主要工作安排 | 第12-13页 |
| 第二章 时间序列分析与时变参数自回归模型 | 第13-19页 |
| ·时间序列分析的概念、特征和应用 | 第13页 |
| ·时间序列的分解 | 第13-14页 |
| ·平稳时间序列分析 | 第14页 |
| ·非平稳时间序列分析 | 第14-15页 |
| ·TVPAR 模型 | 第15-17页 |
| ·TVPAR 模型的由来 | 第15-16页 |
| ·TVPAR 模型及参数估计 | 第16-17页 |
| ·模型应用需注意的问题 | 第17-18页 |
| ·MATLAB 介绍 | 第18页 |
| ·小结 | 第18-19页 |
| 第三章 语音信号分析技术 | 第19-32页 |
| ·语音信号的采样率和量化 | 第19页 |
| ·语音信号的预处理 | 第19-21页 |
| ·预加重 | 第19页 |
| ·分帧 | 第19-20页 |
| ·加窗 | 第20-21页 |
| ·语音信号的时域分析 | 第21-22页 |
| ·短时能量(绝对值)或短时幅度 | 第21页 |
| ·短时过零率 | 第21-22页 |
| ·语音信号长度归一化 | 第22页 |
| ·时域分析的作用 | 第22页 |
| ·语音信号的频域和倒谱分析 | 第22-28页 |
| ·短时傅立叶变换(STFT) | 第23-24页 |
| ·频域分析的意义及存在的问题 | 第24页 |
| ·倒谱的概念及语音信号的倒谱分析 | 第24-28页 |
| ·语音信号的时频分析 | 第28-30页 |
| ·基于 STFT 的时频分析 | 第28-30页 |
| ·帧长一定的情况下,帧移的选择 | 第30-31页 |
| ·小 结 | 第31-32页 |
| 第四章 说话者语音特征时间序列簇 | 第32-41页 |
| ·时间序列与时间序列簇 | 第32页 |
| ·时间序列平稳性检验 | 第32-33页 |
| ·语音信号的时间序列簇构造 | 第33-34页 |
| ·时间序列簇的趋势分量和波动分量分离 | 第34-39页 |
| ·回归方程的定阶 | 第35-36页 |
| ·趋势分量和波动分量分离 | 第36-37页 |
| ·波动量序列簇的自协方差非平稳性检验 | 第37-39页 |
| ·特征频率点时间序列簇的选择方法 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 基于时间序列分析的说话者识别 | 第41-61页 |
| ·特征参数的提取流程 | 第41页 |
| ·说话者识别流程 | 第41-42页 |
| ·模板语音的样本容量问题 | 第42页 |
| ·判别分析的方法和判别准则的评价 | 第42-45页 |
| ·判别分析的概念和方法 | 第42-44页 |
| ·判别算法的评价方法 | 第44-45页 |
| ·基于时间序列簇趋势量的说话者识别 | 第45-50页 |
| ·识别原理 | 第45-46页 |
| ·判别参数的定义和判别过程 | 第46-47页 |
| ·闭集识别实验及结果 | 第47-49页 |
| ·开集识别 | 第49-50页 |
| ·基于 TVPAR 模型的说话者识别 | 第50-55页 |
| ·非平稳时间序列主要的统计特征 | 第50-51页 |
| ·TVPAR 模型的说话者识别影响因素分析 | 第51-54页 |
| ·用 TVPAR 模型进行说话者识别的识别率 | 第54-55页 |
| ·波动分量时间序列簇的自协方差 | 第55页 |
| ·判别参数的综合 | 第55-56页 |
| ·说话者识别结果的概率分析 | 第56-60页 |
| ·一维正态分布理论及序列的标准化 | 第56-59页 |
| ·二维正态分布的概率密度函数及语音二维序列簇构造 | 第59-60页 |
| ·说话者识别结果的概率 | 第60页 |
| ·小结 | 第60-61页 |
| 第六章 结论与展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间公开发表的论文 | 第66-67页 |
| 附录 | 第67-70页 |
| 致谢 | 第70页 |
