首页--工业技术论文--无线电电子学、电信技术论文--通信论文--电声技术和语音信号处理论文--语音信号处理论文--语音识别与设备论文

基于缺失特征的文本无关说话人识别鲁棒性研究

摘要第1-7页
ABSTRACT第7-9页
目录第9-11页
第1章 绪论第11-21页
   ·说话人识别概述第11-12页
   ·文本无关的说话人识别第12-15页
     ·说话人识别系统基本组成第12-14页
     ·说话人辨认与说话人确认第14-15页
     ·文本无关说话人识别系统第15页
   ·背景噪声对说话人识别系统的影响第15-18页
   ·本文主要研究内容第18-21页
第2章 基于MFCC与GMM的说话人识别第21-35页
   ·引言第21-22页
   ·MFCC参数第22-26页
   ·高斯混合模型第26-30页
     ·对角化协方差假设第27-28页
     ·模型参数估计第28-30页
       ·最大似然准则第28-29页
       ·最大似然估计第29-30页
   ·实验与讨论第30-34页
     ·实验数据库第30-31页
     ·GMM模型混合度大小的影响第31-32页
     ·训练集的影响第32-33页
     ·背景噪声的影响第33-34页
   ·本章小结第34-35页
第3章 谱减法用于噪声环境下说话人识别第35-47页
   ·引言第35页
   ·基于谱减法的语音增强第35-41页
   ·基于谱减法增强的说话人识别实验第41-43页
     ·基于谱减法增强的MFCC参数提取第41-42页
     ·实验结果第42-43页
   ·谱减法语音增强的不足之处第43-46页
   ·本章小结第46-47页
第4章 基于子带信噪比阈值的缺失特征边缘化识别方法第47-61页
   ·引言第47页
   ·缺失特征边缘化识别方法第47-50页
     ·随机丢弃Mel子带特征对系统识别率的影响第48-50页
   ·基于子带信噪比阈值的缺失特征判决第50-52页
   ·基于缺失特征边缘化方法的说话人识别实验第52-57页
     ·缺失特征阈值的选取第53-54页
     ·理想缺失特征估计时的说话人识别第54-55页
     ·实际缺失特征估计时的说话人识别第55-57页
   ·谱减与缺失特征边缘化相结合的识别方法第57-58页
   ·缺失特征边缘化识别方法的不足之处第58-60页
   ·本章小结第60-61页
第五章 缺失特征重建方法第61-77页
   ·引言第61-62页
   ·基于Mel子带特征相关性的缺失特征重建第62-65页
     ·各维Mel子带之间的相关性第62-65页
     ·Mel子带特征相关性用于缺失特征重建第65页
   ·基于聚类单高斯模型的缺失特征重建第65-73页
     ·基于聚类单高斯模型的特征分布描述第66-68页
     ·基于最大后验概率准则的缺失特征重建第68-70页
     ·基于聚类单高斯模型的缺失特征重建实验第70-73页
       ·缺失特征重建实验第70页
       ·说话人识别实验第70-73页
   ·基于高斯混合模型的缺失特征重建第73-76页
     ·基于GMM缺失特征重建的说话人识别实验第75-76页
   ·本章小结第76-77页
第六章 基于SMFCC参数的说话人识别系统第77-99页
   ·引言第77-78页
   ·基音频率对MFCC参数的影响第78-80页
   ·MFCC参数中的基频信息对说话人识别的影响第80-84页
   ·SMFCC参数的提取第84-91页
     ·基于SEEVOC算法谱包络估计的SMFCC参数第84-88页
     ·基于平均阈值法谱包络估计的SMFCC参数第88-91页
   ·SMFCC改进系统的时间鲁棒性第91-93页
   ·基于SMFCC与UBM\GMM模型的说话人识别系统第93-97页
     ·UBM-MAP结构的说话人识别模型第93-95页
     ·实验结果与讨论第95-97页
   ·本章小结第97-99页
第7章 总结与展望第99-103页
参考文献第103-109页
致谢第109-111页
攻读学位期间的主要研究工作和论文发表情况第111页

论文共111页,点击 下载论文
上一篇:THAP11作为多聚谷氨酰胺疾病候选致病基因及候选抑癌基因的功能研究
下一篇:PIN光探测器等效模型设计及参数优化