| 表目录 | 第6-7页 |
| 图目录 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 语种识别概述 | 第10-14页 |
| 1.1.1 语种识别类型划分 | 第10-11页 |
| 1.1.2 语种识别系统的性能指标 | 第11-12页 |
| 1.1.3 语种识别研究进展及现状 | 第12-14页 |
| 1.2 课题背景及论文主要工作 | 第14页 |
| 1.3 论文章节安排 | 第14-16页 |
| 第二章 基于GSV-SVM的语种识别系统关键技术 | 第16-28页 |
| 2.1 前端特征参数提取算法 | 第16-20页 |
| 2.1.1 语音信号的预处理 | 第16-17页 |
| 2.1.2 声学特征参数提取 | 第17-20页 |
| 2.2 构建GMM均值超矢量 | 第20-22页 |
| 2.2.1 GMM-UBM模型 | 第20-21页 |
| 2.2.2 MAP自适应及GSV的形成原理 | 第21-22页 |
| 2.3 SVM的原理及其在语种识别中的应用 | 第22-24页 |
| 2.4 语种识别基线系统 | 第24-27页 |
| 2.4.1 实验语料及其设置 | 第25页 |
| 2.4.2 测试结果及基线系统的确立 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于Model Pushing的锚模型GSV-SVM语种识别系统 | 第28-36页 |
| 3.1 嵌入锚模型的GSV-SVM语种识别系统 | 第28-31页 |
| 3.1.1 锚模型算法原理 | 第28-29页 |
| 3.1.2 应用于语种识别中的锚空间投影快速算法 | 第29-31页 |
| 3.2 Model Pushing算法思想 | 第31-32页 |
| 3.3 结合Model Pushing的锚模型训练算法 | 第32-33页 |
| 3.4 实验及结果 | 第33-35页 |
| 3.4.1 实验语料及相关设置 | 第33页 |
| 3.4.2 实验结果及分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第四章 语种识别系统后端分类器的FPGA设计实现 | 第36-52页 |
| 4.1 基于Model Pushing的区分性锚模型系统总体架构 | 第36-37页 |
| 4.2 后端分类算法的优化 | 第37-42页 |
| 4.2.1 后端分类算法 | 第38-39页 |
| 4.2.2 矩阵合并优化算法 | 第39-41页 |
| 4.2.3 优化超越函数 | 第41-42页 |
| 4.3 后端分类器的FPGA设计及其实现 | 第42-48页 |
| 4.3.1 定点仿真实现 | 第42-43页 |
| 4.3.2 后端分类器的架构 | 第43-44页 |
| 4.3.3 基于FPGA的数据通路子模块设计实现 | 第44-48页 |
| 4.4 实验结果及分析 | 第48-51页 |
| 4.4.1 实时性分析 | 第48-49页 |
| 4.4.2 资源性能分析 | 第49页 |
| 4.4.3 精度性能分析 | 第49-50页 |
| 4.4.4 识别性能分析 | 第50-51页 |
| 4.5 本章小结 | 第51-52页 |
| 结束语 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 附录 | 第57-60页 |
| 作者简历攻读硕士学位期间完成的主要工作 | 第60-61页 |
| 致谢 | 第61页 |
