| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 缩写词列表 | 第5-6页 |
| 目录 | 第6-9页 |
| 前言 | 第9-14页 |
| 一、选题意义 | 第9-10页 |
| 二、说话人识别技术的发展及应用 | 第10-11页 |
| 三、说话人识别技术的研究重点和难点 | 第11-13页 |
| 四、论文研究的内容及章节安排 | 第13-14页 |
| 第一章 基于GMM的说话人识别系统概述 | 第14-24页 |
| ·说话人识别的分类 | 第14-15页 |
| ·根据识别的任务 | 第14-15页 |
| ·根据工作的模式分类 | 第15页 |
| ·说话人识别系统的框图和工作过程 | 第15-16页 |
| ·训练阶段 | 第15-16页 |
| ·识别阶段 | 第16页 |
| ·说话人识别的主要方法 | 第16-20页 |
| ·基于模板匹配模型的方法 | 第16-18页 |
| ·基于概率模型的说话人识别方法 | 第18-19页 |
| ·基于判决域的说话人识别方法 | 第19-20页 |
| ·基于高斯混合模型的说话人识别系统 | 第20-23页 |
| ·高斯混合模型 | 第20-21页 |
| ·参数训练 | 第21-22页 |
| ·识别过程 | 第22-23页 |
| ·本章总结 | 第23-24页 |
| 第二章 说话人特征参数提取 | 第24-41页 |
| ·语音信号模型 | 第24-27页 |
| ·语音的发声机理 | 第24-25页 |
| ·语音信号的数字模型 | 第25-27页 |
| ·人的听觉特性 | 第27页 |
| ·常用的说话人识别语音特征参数 | 第27-28页 |
| ·基于发声机理的特征参数 | 第28页 |
| ·基于听觉感知特性的特征参数 | 第28页 |
| ·基于声道参数模型的特征参数 | 第28页 |
| ·混合参数 | 第28页 |
| ·线性预测倒谱系数 | 第28-32页 |
| ·LPC分析 | 第28-31页 |
| ·线性预测倒谱系数的计算 | 第31-32页 |
| ·感知线性预测倒谱系数 | 第32-33页 |
| ·Mel频率倒谱系数 | 第33-35页 |
| ·说话人识别仿真实验 | 第35-40页 |
| ·实验条件 | 第35页 |
| ·预处理 | 第35-37页 |
| ·单特征参数的说话人识别实验 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第三章 改进的MFCC参数及多特征组合参数 | 第41-54页 |
| ·改进的MFCC参数 | 第41-46页 |
| ·幂函数和对数函数的特性分析 | 第41-43页 |
| ·采用改进的MFCC的说话人实验与分析 | 第43-46页 |
| ·二次特征的提取 | 第46-49页 |
| ·特征加权 | 第46页 |
| ·特征微分 | 第46-47页 |
| ·采用动静态组合特征参数实验 | 第47-49页 |
| ·基音与其它特征参数组合实验 | 第49-51页 |
| ·基音、共振峰和PLPCC的组合特征参数实验 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第四章 基于STSA的语音增强算法在说话人识别中的应用 | 第54-73页 |
| ·噪声特性分析 | 第54-55页 |
| ·噪声功率谱估计 | 第55-58页 |
| ·LPCC的端点检测算法描述 | 第55-56页 |
| ·LPCC与其他参数组合的改进算法 | 第56-57页 |
| ·最优平滑法的噪声幅度谱估计 | 第57-58页 |
| ·谱减法语音增强算法基本原理 | 第58-63页 |
| ·传统谱减法的基本原理 | 第58-61页 |
| ·改进的谱减法原理 | 第61-62页 |
| ·谱减法的后处理 | 第62页 |
| ·谱减法增强语音的仿真结果 | 第62-63页 |
| ·维纳滤波增强算法 | 第63-67页 |
| ·标准维纳滤波器 | 第63-65页 |
| ·改进的维纳滤波算法 | 第65-67页 |
| ·维纳滤波增强语音的仿真结果 | 第67页 |
| ·基于语音增强的说话人识别 | 第67-72页 |
| ·谱减法增强含噪语音的说话人识别实验 | 第68-70页 |
| ·维纳滤波增强含噪语音的说话人识别实验 | 第70-72页 |
| ·本章小结 | 第72-73页 |
| 结束语 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 科研及获奖情况 | 第80页 |