基于文本无关的说话人识别
| 摘要 | 第1-8页 |
| Abstract | 第8-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第一章 绪论 | 第12-18页 |
| ·课题背景 | 第12-13页 |
| ·说话人识别概念 | 第13页 |
| ·说话人识别研究现状 | 第13-16页 |
| ·技术研究现状 | 第13-15页 |
| ·应用研究现状 | 第15-16页 |
| ·本课题主要工作 | 第16-17页 |
| ·本论文内容安排 | 第17-18页 |
| 第二章 说话人识别技术 | 第18-32页 |
| ·特征提取 | 第18-22页 |
| ·预处理 | 第19-20页 |
| ·线性预测系数(LPC) | 第20页 |
| ·LPC倒谱系数(LPCC) | 第20-21页 |
| ·Mel倒谱系数 | 第21-22页 |
| ·说话人识别模型 | 第22-30页 |
| ·模板匹配法 | 第23页 |
| ·概率模型法 | 第23-24页 |
| ·人工神经网络方法 | 第24-25页 |
| ·支持向量机 | 第25-30页 |
| ·最优分类面 | 第25-26页 |
| ·广义最优分类面 | 第26-27页 |
| ·核函数 | 第27-29页 |
| ·支持向量机 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第三章 基于MRSVM的说话人辨识 | 第32-46页 |
| ·约简支持向量机 | 第32-34页 |
| ·模糊核聚类 | 第34-36页 |
| ·主成分分析(PCA) | 第36-40页 |
| ·主成分分析 | 第36-40页 |
| ·主成分分析的概念 | 第37-38页 |
| ·主成分的计算 | 第38-39页 |
| ·样本主成分 | 第39-40页 |
| ·主成分的选取 | 第40页 |
| ·多约简方法 | 第40-43页 |
| ·PCA降维 | 第41页 |
| ·选择样本 | 第41-42页 |
| ·训练SVM | 第42-43页 |
| ·实验 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 多级说话人辨识 | 第46-52页 |
| ·PCA分类器 | 第46-47页 |
| ·PCA分类原理 | 第46-47页 |
| ·PCA分类器原理 | 第47页 |
| ·多级识别方法 | 第47-49页 |
| ·实验 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 总结 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 致谢 | 第58-59页 |
| 附录A 攻读硕士学位期间所发表的论文 | 第59页 |
