| 绪论 | 第1-9页 |
| 第一部分 语音信号基本知识 | 第9-16页 |
| ·语音信号的产生机理 | 第9-10页 |
| ·语音信号的感知机理 | 第10-11页 |
| ·语音信号的基本分类 | 第11页 |
| ·语音信号的数学模型 | 第11-12页 |
| ·语音信号的分析方法 | 第12-16页 |
| ·时域分析 | 第12-14页 |
| ·过零率分析 | 第13页 |
| ·短时能量及短时平均幅度分析 | 第13页 |
| ·短时自相关分析 | 第13-14页 |
| ·短时平均幅度差分析 | 第14页 |
| ·语音信号的频域分析 | 第14页 |
| ·傅立叶变换的短时谱 | 第14页 |
| ·语音信号的倒谱分析 | 第14页 |
| ·语音信号的时频域分析 | 第14-16页 |
| 第二部分 说话人识别基本原理 | 第16-35页 |
| ·语音信号预处理 | 第18-20页 |
| ·特征参数 | 第20-23页 |
| ·基频 | 第20-21页 |
| ·线性预测系数LPC(Linear Predictor Coefficient，简写为LPC) | 第21页 |
| ·倒谱系数CEPC(Cepstrum Coefficients，简写为CEPC) | 第21-22页 |
| ·线性预测倒谱系数(Linear Predictor Cepstrum Coefficients，简写为LPCC) | 第22页 |
| ·美尔倒谱系数(Mel Frequency Cepstrum Coefficients，简写为MFCC) | 第22页 |
| ·感知线性预测系数(Perception Linear Predictor Coefficients，简写为PLPC) | 第22-23页 |
| ·高层特征参数(Super Identity，简写为SuperID) | 第23页 |
| ·特征参数选择准则 | 第23-24页 |
| ·特征矢量的常用压缩方法 | 第24-26页 |
| ·说话人识别训练模型 | 第26-31页 |
| ·K-NN | 第26-27页 |
| ·矢量量化(Vector Quantization，简写为VQ) | 第27-28页 |
| ·高斯混合模型(Gaussian Mixture Model，简称GMM) | 第28-29页 |
| ·隐马尔可夫模型(Hidden Markov Model，简称为HMM) | 第29-30页 |
| ·神经网络识别模型 | 第30-31页 |
| ·说话人识别系统的自适应性和鲁棒性 | 第31-32页 |
| ·测试用语音库和系统性能评价标准 | 第32-35页 |
| ·系统性能评价所涉及的因素 | 第32-33页 |
| ·常见说话人识别系统测试用语音数据库及产品提供者 | 第33-35页 |
| 第三部分 小波分析基本理论 | 第35-43页 |
| ·小波变换的定义 | 第35-37页 |
| ·小波变换的特点 | 第37-41页 |
| ·小波包 | 第41-43页 |
| 第四部分 基于离散小波变换的说话人识别系统 | 第43-47页 |
| ·预处理所采取的基于DWT的措施 | 第43-44页 |
| ·小波分析对语音信号的去噪功能 | 第43页 |
| ·基于DWT的语音分割算法 | 第43-44页 |
| ·基于小波变换的特征提取 | 第44-46页 |
| ·基于小波变换的基音确定 | 第44-45页 |
| ·基于小波变换的LPC | 第45页 |
| ·基于小波包的MFCC | 第45-46页 |
| ·系统所用训练模型对传统模型的改进 | 第46-47页 |
| 第五部分 系统的仿真与性能分析 | 第47-54页 |
| ·系统开发环境介绍 | 第47-48页 |
| ·硬件环境 | 第47页 |
| ·软件环境 | 第47页 |
| ·开发平台MATLAB介绍 | 第47-48页 |
| ·系统的功能模块 | 第48-49页 |
| ·语音采样及预处理实验 | 第49-50页 |
| ·搜索树部分实验 | 第50-51页 |
| ·系统性能分析 | 第51-54页 |
| 第六部分 研究总结与展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 致谢 | 第57-58页 |
| 附录A 中英文对照表 | 第58-59页 |
| 附录B 图表对照表 | 第59-62页 |
