基于改进型回声状态网络的声纹识别方法研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 引言 | 第8-15页 |
| 1.1 研究背景及现状 | 第8-14页 |
| 1.1.1 声纹识别技术 | 第8-10页 |
| 1.1.2 基于神经网络的声纹识别方法 | 第10-12页 |
| 1.1.3 回声状态网络的研究现状 | 第12-14页 |
| 1.2 本文研究内容及组织结构 | 第14-15页 |
| 2 积分点火神经元回声状态网络 | 第15-30页 |
| 2.1 脉冲神经元原理 | 第15-18页 |
| 2.1.1 生物学背景 | 第15-16页 |
| 2.1.2 脉冲编码 | 第16-18页 |
| 2.1.3 短期记忆能力 | 第18页 |
| 2.2 积分点火神经元 | 第18-20页 |
| 2.3 积分点火神经元回声状态网络 | 第20-23页 |
| 2.3.1 网络状态方程的修正 | 第20-21页 |
| 2.3.2 网络稳定性分析 | 第21-23页 |
| 2.4 几组基准实验 | 第23-30页 |
| 2.4.1 太阳黑子数预测实验 | 第23-25页 |
| 2.4.2 非线性自回归滑动平均模型建模 | 第25-26页 |
| 2.4.3 孤立词语音识别实验 | 第26-27页 |
| 2.4.4 日本元音分类实验 | 第27-30页 |
| 3 基于非线性读出器的回声状态网络 | 第30-40页 |
| 3.1 概率神经网络 | 第30-33页 |
| 3.1.1 概率神经网络原理 | 第30-31页 |
| 3.1.2 概率神经网络的模式层 | 第31页 |
| 3.1.3 概率神经网络的求和层 | 第31-32页 |
| 3.1.4 概率神经网络的输出层 | 第32页 |
| 3.1.5 SPREAD值的选择 | 第32页 |
| 3.1.6 概率神经网络概率统计学原理 | 第32-33页 |
| 3.2 基于非线性读出器的回声状态网络 | 第33-34页 |
| 3.3 几组基准实验 | 第34-40页 |
| 3.3.1 太阳黑子数预测实验 | 第34-35页 |
| 3.3.2 非线性自回归滑动平均模型建模 | 第35-37页 |
| 3.3.3 孤立词语音识别实验 | 第37-38页 |
| 3.3.4 日本元音分类实验 | 第38-40页 |
| 4 基于改进型回声状态网络的声纹识别 | 第40-48页 |
| 4.1 声纹识别原理 | 第40-45页 |
| 4.1.1 声纹识别的流程 | 第40-41页 |
| 4.1.2 声纹信号的预处理 | 第41-43页 |
| 4.1.3 声纹信号特征值的提取 | 第43-45页 |
| 4.2 实验设计 | 第45-46页 |
| 4.3 实验结果 | 第46-48页 |
| 5 结论与展望 | 第48-50页 |
| 5.1 本文工作总结 | 第48-49页 |
| 5.2 未来工作的方向 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 在学期间的科研成果 | 第54-55页 |
| 致谢 | 第55页 |
