语音端点检测算法的研究及应用
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 本文主要研究内容及组织结构 | 第12-14页 |
| 1.3.1 主要研究内容 | 第12-13页 |
| 1.3.2 组织结构 | 第13-14页 |
| 1.4 本章小结 | 第14-15页 |
| 2 语音特征集的建立 | 第15-29页 |
| 2.1 引言 | 第15页 |
| 2.2 语音信号特征集 | 第15-19页 |
| 2.2.1 短时能量 | 第16页 |
| 2.2.2 短时过零率 | 第16-17页 |
| 2.2.3 基音周期 | 第17页 |
| 2.2.4 共振峰频率 | 第17-18页 |
| 2.2.5 线性预测倒谱系数(LPCC) | 第18页 |
| 2.2.6 Mel倒谱系数 | 第18-19页 |
| 2.3 语音信号特征统计量 | 第19-23页 |
| 2.3.1 短时能量方差 | 第19-21页 |
| 2.3.2 MFCC特征方差倒谱距离 | 第21-22页 |
| 2.3.3 Mel子带方差 | 第22-23页 |
| 2.4 实验用语音信号数据集介绍 | 第23页 |
| 2.5 语音信号特征和特征统计量的获取 | 第23-24页 |
| 2.6 特征集的降维处理 | 第24-25页 |
| 2.7 Relief算法 | 第25-28页 |
| 2.8 本章小结 | 第28-29页 |
| 3 基于混合模型的语者性别识别 | 第29-44页 |
| 3.1 基于C5.0 方法的语者性别识别 | 第29页 |
| 3.2 基于SVM方法的语者性别识别 | 第29-30页 |
| 3.3 C5.0、SVM算法建立属性集方法的比较 | 第30页 |
| 3.4 基于模糊隶属度函数和决策树模型的性别识别 | 第30-36页 |
| 3.4.1 隶属度函数模型的建立 | 第30-31页 |
| 3.4.2 隶属度函数 | 第31-32页 |
| 3.4.3 基于模糊隶属度函数的语者性别检测 | 第32-33页 |
| 3.4.4 基于决策树分类语者性别检测 | 第33-36页 |
| 3.5 模糊隶属度函数和决策树模型的混合运用 | 第36-43页 |
| 3.6 本章小结 | 第43-44页 |
| 4 改进的小波能量熵端点检测算法 | 第44-53页 |
| 4.1 小波能量 | 第44-46页 |
| 4.2 小波能量熵 | 第46-51页 |
| 4.2.1 小波分解层数的选择 | 第47-49页 |
| 4.2.2 改进的端点检测算法 | 第49-51页 |
| 4.3 评价指标 | 第51页 |
| 4.4 本章小结 | 第51-53页 |
| 5 实验设计及结果分析 | 第53-61页 |
| 5.1 实验数据和环境 | 第53页 |
| 5.2 评价指标 | 第53-55页 |
| 5.3 实验方案 | 第55-56页 |
| 5.4 实验结果和分析 | 第56-60页 |
| 5.5 本章小结 | 第60-61页 |
| 6 总结与展望 | 第61-63页 |
| 6.1 工作总结 | 第61-62页 |
| 6.2 展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 攻读硕士期间获奖及研究成果情况 | 第69页 |
