| 1 绪论 | 第1-16页 |
| 1．1 引论 | 第7页 |
| 1．2 说话人识别基本原理与结构 | 第7-10页 |
| 1．2．1 说话人识别原理 | 第8-9页 |
| 1．2．2 说话人识别系统结构 | 第9-10页 |
| 1．3 说话人识别的应用领域 | 第10-11页 |
| 1．4 说话人识别技术的发展状况 | 第11-13页 |
| 1．5 说话人识别技术难点 | 第13-14页 |
| 1．6 研究任务 | 第14-16页 |
| 2 特征提取 | 第16-26页 |
| 2．1 特征提取基本过程 | 第16-18页 |
| 2．2 话音拾取 | 第18-21页 |
| 2．2．1 短时能量和短时平均过零率 | 第18-19页 |
| 2．2．2 语音端点检测 | 第19-21页 |
| 2．3 基音周期 | 第21-22页 |
| 2．4 倒谱系数 | 第22-25页 |
| 2．4．1 倒谱定义 | 第22-23页 |
| 2．4．2 倒谱特性 | 第23-25页 |
| 2．5 小结 | 第25-26页 |
| 3 矢量量化 | 第26-34页 |
| 3．1 矢量量化的基本概念 | 第26-27页 |
| 3．2 LBG算法 | 第27-28页 |
| 3．3 初始码书的设置方法 | 第28-30页 |
| 3．4 基于SOFM的码书设计 | 第30-32页 |
| 3．5 基于VQ的说话人识别 | 第32-33页 |
| 3．6 小结 | 第33-34页 |
| 4 隐马尔可夫数学模型 | 第34-54页 |
| 4．1 隐马尔可夫模型 | 第34-38页 |
| 4．1．1 马尔可夫模型的基本定义 | 第34-36页 |
| 4．1．2 隐马尔可夫模型 | 第36-38页 |
| 4．2 最大似然概率的前后向估计方法 | 第38-40页 |
| 4．2．1 前向估计法 | 第38-39页 |
| 4．2．2 后向估计法 | 第39-40页 |
| 4．3 HMM参数估计 | 第40-44页 |
| 4．3．1 HMM参数的Baum-Welch学习算法 | 第40-42页 |
| 4．3．2 Viterbi算法 | 第42-44页 |
| 4．4 参数估计值的计算机溢出问题 | 第44-47页 |
| 4．4．1 前后向似然变量的比例运算 | 第44-46页 |
| 4．4．2 HMM学习算法中迭代公式的修正 | 第46-47页 |
| 4．5 基于HMM的说话人识别 | 第47-53页 |
| 4．5．1 HMM在说话人识别中的应用分析 | 第47-52页 |
| 4．5．2 建立自左向右HMM模型应注意的问题 | 第52-53页 |
| 4．6 小结 | 第53-54页 |
| 5 基于SOFM、VQ与HMM的说话人识别系统实现 | 第54-75页 |
| 5．1 MFC的体系结构 | 第54-58页 |
| 5．1．1 CWinApp | 第54页 |
| 5．1．2 CView | 第54-55页 |
| 5．1．3 CDocument | 第55-56页 |
| 5．1．4 CFrameWnd和CDocTemplate | 第56页 |
| 5．1．5 消息机制和多线程技术 | 第56-58页 |
| 5．2 系统设计 | 第58-68页 |
| 5．2．1 语音输入 | 第59-62页 |
| 5．2．2 说话人识别系统结构设计 | 第62-63页 |
| 5．2．3 说话人识别软件系统设计 | 第63-68页 |
| 5．3 软件基本功能测试 | 第68-70页 |
| 5．4 说话人识别系统性能评价 | 第70-74页 |
| 5．4．1 说话人识别的评价指标 | 第70-71页 |
| 5．4．2 系统性能评价 | 第71-74页 |
| 5．5 小结 | 第74-75页 |
| 6 结论与展望 | 第75-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 附录1： 程序LBG与SOFM及VQ识别运行部分数据 | 第83-94页 |
| 附录2： 攻读硕士学位期间发表的论文 | 第94页 |
