在噪声环境下说话人识别方法的研究
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第一章 绪论 | 第11-16页 |
| ·说话人识别的发展与现状 | 第11-12页 |
| ·噪声环境中的说话人识别技术 | 第12-14页 |
| ·噪声的分类及影响 | 第12页 |
| ·抗噪声处理的基本方法 | 第12-14页 |
| ·说话人识别技术的应用 | 第14页 |
| ·本文的主要研究内容 | 第14-16页 |
| 第二章 说话人识别和特征参数的提取 | 第16-28页 |
| ·说话人识别基本原理与系统结构 | 第16-17页 |
| ·说话人识别方法的分类 | 第17-18页 |
| ·说话人识别的难点 | 第18页 |
| ·说话人特征参数的提取 | 第18-27页 |
| ·基音周期 | 第19页 |
| ·共振峰 | 第19-20页 |
| ·线性预测倒谱系数 | 第20页 |
| ·美尔倒谱系数 | 第20-22页 |
| ·相位自相关 | 第22-27页 |
| ·结论 | 第27-28页 |
| 第三章 基于子带技术的说话人识别 | 第28-39页 |
| ·子带处理的基本理论 | 第28-30页 |
| ·子带特征 | 第28-29页 |
| ·子带概率结合 | 第29页 |
| ·子带特征结合 | 第29-30页 |
| ·复合子带处理方法 | 第30-31页 |
| ·多层子带概率结合方法 | 第31-32页 |
| ·基于子带概率结合的说话人识别方法 | 第32-38页 |
| ·子带系数的选取 | 第32-33页 |
| ·子带概率结合方式 | 第33-35页 |
| ·基于子带概率结合的说话人识别 | 第35页 |
| ·实验及结果 | 第35-38页 |
| ·结论 | 第38-39页 |
| 第四章 说话人识别的方法 | 第39-51页 |
| ·说话人识别方法简介 | 第39页 |
| ·隐马尔科夫模型 | 第39-46页 |
| ·HMM概述 | 第40-41页 |
| ·HMM的分类 | 第41页 |
| ·HMM的理论 | 第41-45页 |
| ·HMM中的实际问题 | 第45-46页 |
| ·人工神经网络 | 第46-50页 |
| ·人工神经网络的概述 | 第46-47页 |
| ·神经网络的学习方法 | 第47-48页 |
| ·神经网络的结构及工作方式 | 第48-50页 |
| ·结论 | 第50-51页 |
| 第五章 基于 HMM和小波神经网络的说话人识别 | 第51-64页 |
| ·HMM和与文本无关的说话人识别 | 第51-53页 |
| ·各态历经 HMM | 第51-52页 |
| ·改进的 HMM的算法 | 第52-53页 |
| ·小波神经网络 | 第53-59页 |
| ·小波分析理论 | 第53-56页 |
| ·小波神经网络 | 第56-59页 |
| ·基于 HMM和小波神经网络的说话人识别方法 | 第59-62页 |
| ·基于 HMM和小波神经网络模型的结构 | 第59页 |
| ·小波神经网络的设计 | 第59-61页 |
| ·HMM和小波神经网络混合模型的说话人识别系统 | 第61-62页 |
| ·实验结果及结论 | 第62页 |
| ·实验及结果 | 第62页 |
| ·实验结论 | 第62页 |
| ·结论 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 附录A (攻读学位期间所发表的学术论文目录) | 第70页 |
