基于小波变换的声纹参数提取方法与实现
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题研究的目的及意义 | 第11页 |
| 1.2 国内外研究现状及发展趋势 | 第11-13页 |
| 1.3 本论文的内容安排 | 第13-16页 |
| 第2章 常用的声纹参数提取方法研究 | 第16-29页 |
| 2.1 声纹识别的特征参数简介 | 第16-19页 |
| 2.1.1 声纹识别系统中常用的特征参数 | 第16-18页 |
| 2.1.2 声纹参数的性能评价 | 第18-19页 |
| 2.2 线性预测参数提取方法 | 第19-21页 |
| 2.3 线谱对参数提取方法 | 第21-23页 |
| 2.3.1 线谱对分析原理 | 第21-23页 |
| 2.3.2 线谱对分析的求解 | 第23页 |
| 2.4 线性预测倒谱参数 | 第23-25页 |
| 2.5 Mel频率倒谱系数 | 第25-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 小波变换在语音识别中的应用 | 第29-43页 |
| 3.1 小波分析简介 | 第29-30页 |
| 3.2 小波变换在滤波方面的应用 | 第30-31页 |
| 3.3 小波去噪在语音识别中的应用 | 第31-37页 |
| 3.3.1 小波去噪的基本原理 | 第31-32页 |
| 3.3.2 小波屏蔽去噪法 | 第32-33页 |
| 3.3.3 小波分解与重构法去噪 | 第33-34页 |
| 3.3.4 模极大值小波检测法 | 第34-35页 |
| 3.3.5 非线性小波阈值去噪法 | 第35-36页 |
| 3.3.6 不变量平移小波去噪法 | 第36-37页 |
| 3.4 基于小波变换的端点检测 | 第37-40页 |
| 3.4.1 白噪声背景下的端点检测 | 第37-38页 |
| 3.4.2 基于语音特征量的端点检测 | 第38-40页 |
| 3.5 小波变换在声纹参数提取中的应用 | 第40-42页 |
| 3.5.1 基于小波变换的声纹参数提取原理 | 第40-41页 |
| 3.5.2 离散小波变换的声纹参数提取方法 | 第41-42页 |
| 3.6 本章总结 | 第42-43页 |
| 第4章 基于小波变换的声纹参数提取新方法 | 第43-57页 |
| 4.1 小波包分解原理 | 第43-49页 |
| 4.2 MFCC参数 | 第49-52页 |
| 4.2.1 Mel标度 | 第49页 |
| 4.2.2 MFCC参数提取方法 | 第49-52页 |
| 4.3 基于小波变换的WPT参数提取 | 第52-56页 |
| 4.3.1 WPT参数的算法构思 | 第52-53页 |
| 4.3.2 WPT参数提取方法 | 第53-54页 |
| 4.3.3 选取小波最优基 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 改进算法的仿真实验及性能分析 | 第57-71页 |
| 5.1 基于矢量量化的说话人识别 | 第57-59页 |
| 5.1.1 矢量量化的简介 | 第57-58页 |
| 5.1.2 LBG简介 | 第58-59页 |
| 5.2 实验系统及算法实现 | 第59-67页 |
| 5.2.1 预加重 | 第59-60页 |
| 5.2.2 分帧加窗 | 第60-61页 |
| 5.2.3 端点检测 | 第61-63页 |
| 5.2.4 建立VQ识别模型 | 第63-67页 |
| 5.3 实验结果及算法分析 | 第67-70页 |
| 5.3.1 参数提取步骤 | 第67页 |
| 5.3.2 实验结果 | 第67-69页 |
| 5.3.3 算法分析 | 第69-70页 |
| 5.4 本章小结 | 第70-71页 |
| 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第77-78页 |
| 致谢 | 第78-79页 |
