说话人特征参数建模研究及其在信息安全中的应用
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·信息安全与身份认证技术 | 第7-8页 |
| ·说话人识别研究历史和现状 | 第8-9页 |
| ·说话人识别的应用 | 第9-10页 |
| ·说话人识别原理 | 第10-12页 |
| ·说话人识别的基本概念 | 第10-11页 |
| ·说话人识别的难点 | 第11-12页 |
| ·论文结构安排 | 第12-13页 |
| 第二章 语音信号的前端处理研究 | 第13-21页 |
| ·语音信号的产生模型 | 第13-14页 |
| ·语音信号的数字化 | 第14-17页 |
| ·语音信号的采集 | 第14-15页 |
| ·语音数据保存形式 | 第15-16页 |
| ·语音信号的分帧加窗分析 | 第16-17页 |
| ·语音信号的时域分析 | 第17-19页 |
| ·短时能量和短时平均过零率 | 第17-18页 |
| ·短时自关函数 | 第18页 |
| ·短时平均幅度 | 第18-19页 |
| ·端点检测分析 | 第19页 |
| ·语音信号的频域分析 | 第19-21页 |
| ·时变傅里叶变换 | 第20页 |
| ·语音帧频谱分析 | 第20-21页 |
| 第三章 说话人识别技术分析 | 第21-37页 |
| ·说话人识别的分类 | 第21-22页 |
| ·说话人识别的常用方法 | 第22-23页 |
| ·语音特征提取的分析与研究 | 第23-30页 |
| ·基音周期的检测方法研究 | 第23-25页 |
| ·基于 SIFT 方法的基音检测方法的改进 | 第25-26页 |
| ·基音检测中帧长选择的分析 | 第26-28页 |
| ·线性预测分析 | 第28-29页 |
| ·Mel 倒谱系数 | 第29-30页 |
| ·基于 DTW 的说话人识别方法研究 | 第30-31页 |
| ·基于隐马尔可夫模型的说话人识别方法研究 | 第31-36页 |
| ·HMM 的定义 | 第32-33页 |
| ·HMM 的基本算法分析 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 基于聚类分析和 PCA 的特征建模研究 | 第37-44页 |
| ·基于聚类算法的特征处理 | 第37-39页 |
| ·聚类分析的目的 | 第37页 |
| ·k-means 算法研究 | 第37-38页 |
| ·基于分类器设计的改进 k-means 算法 | 第38-39页 |
| ·自适应权重分配 | 第39-40页 |
| ·基于 PCA 的特征矢量降维 | 第40-44页 |
| ·关于 PCA 的性能分析 | 第41页 |
| ·PCA 的求解分析 | 第41-42页 |
| ·主成分的性质 | 第42-44页 |
| 第五章 说话人识别实验与分析 | 第44-54页 |
| ·仿真实验环境 | 第44页 |
| ·软件及硬件环境 | 第44页 |
| ·实验使用语音库 | 第44页 |
| ·系统介绍 | 第44-46页 |
| ·系统结构设计 | 第44-45页 |
| ·系统模块描述 | 第45-46页 |
| ·实验与分析 | 第46-54页 |
| ·LPC 线形预测系数的阶数分析 | 第46-49页 |
| ·基于 PCA 的数据降维 | 第49-52页 |
| ·基于聚类分析和 PCA 的识别分析 | 第52页 |
| ·基于新模型方法的 HMM 测试 | 第52-54页 |
| 第六章 总结和展望 | 第54-55页 |
| ·总结 | 第54页 |
| ·展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 研究生在读期间的研究成果 | 第59-60页 |
