基于双VQ-SVM的说话人识别系统研究
| 中文摘要 | 第1页 |
| 英文摘要 | 第4-7页 |
| 第一章 引言 | 第7-13页 |
| ·说话人识别的研究背景与现状 | 第7-9页 |
| ·说话人识别分类 | 第9页 |
| ·说话人识别的特征提取 | 第9-10页 |
| ·说话人识别的常用方法 | 第10-11页 |
| ·说话人识别的应用前景及难点 | 第11-12页 |
| ·论文内容安排 | 第12-13页 |
| 第二章 语音信号预处理及特征参数提取 | 第13-30页 |
| ·语音信号预处理 | 第13-19页 |
| ·语音增强 | 第14-18页 |
| ·端点检测 | 第18-19页 |
| ·特征参数提取 | 第19-30页 |
| ·基音周期 | 第19-23页 |
| ·线性预测系数LPC | 第23-24页 |
| ·线性预测倒谱系数LPCC | 第24-26页 |
| ·美尔倒谱系数MFCC | 第26-29页 |
| ·改进美尔倒谱系数 | 第29-30页 |
| 第三章 双矢量量化 | 第30-34页 |
| ·矢量量化的基本原理 | 第30-31页 |
| ·矢量量化的失真测度 | 第31-32页 |
| ·码本的设计 | 第32-33页 |
| ·LBG 算法 | 第32页 |
| ·初始码本的选择 | 第32-33页 |
| ·双矢量量化的识别模型 | 第33-34页 |
| 第四章 支持向量机 | 第34-45页 |
| ·结构风险最小化 | 第34-37页 |
| ·VC 维 | 第34-35页 |
| ·推广性的界 | 第35-36页 |
| ·结构风险最小化 | 第36-37页 |
| ·支持向量机 | 第37-40页 |
| ·线性支持向量机 | 第37-39页 |
| ·核函数支持向量机 | 第39-40页 |
| ·最小二乘支持向量机 | 第40-42页 |
| ·多类分类问题的LS-SVM 算法 | 第42-45页 |
| 第五章 基于双VQ-SVM 的说话人识别 | 第45-58页 |
| ·基于双VQ-SVM 的说话人识别原理 | 第45-49页 |
| ·纯净语音环境下仿真实验 | 第49-52页 |
| ·特征提取 | 第49-51页 |
| ·识别结果 | 第51-52页 |
| ·噪声环境下仿真实验 | 第52-58页 |
| ·特征提取 | 第52-53页 |
| ·高斯白噪声环境下识别结果 | 第53-55页 |
| ·汽车内噪声环境下识别结果 | 第55-58页 |
| 第六章 结论 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 在学期间发表的学术论文和参加科研情况 | 第64页 |
