用人工神经网络实现的与文本无关的说话人识别
| 中文摘要 | 第1页 |
| ABSTRACT | 第3-6页 |
| 第一章 引言 | 第6-10页 |
| ·身份认证 | 第6页 |
| ·说话人识别 | 第6-7页 |
| ·人工神经网络 | 第7-8页 |
| ·论文内容安排 | 第8-10页 |
| 第二章 说话人识别 | 第10-22页 |
| ·说话人识别简介 | 第10-12页 |
| ·说话人识别系统 | 第10-11页 |
| ·说话人识别的难点 | 第11-12页 |
| ·端点检测 | 第12-13页 |
| ·线性预测倒谱系数的提取 | 第13-19页 |
| ·基本理论 | 第14-16页 |
| ·线性预测系数的求取 | 第16页 |
| ·语音信号的同态处理 | 第16-17页 |
| ·线性预测倒谱系数LPCC | 第17-19页 |
| ·Mel频率倒谱系数的提取 | 第19-22页 |
| ·基本理论 | 第19-21页 |
| ·倒谱提升窗口 | 第21页 |
| ·MFCC分量的选择 | 第21-22页 |
| 第三章 人工神经网络 | 第22-33页 |
| ·神经网络概述 | 第22-26页 |
| ·神经元 | 第22-23页 |
| ·神经网络的结构 | 第23-24页 |
| ·神经网络的学习方式 | 第24页 |
| ·神经网络的学习规则 | 第24-25页 |
| ·神经网络用于说话人识别的优势 | 第25-26页 |
| ·BP算法 | 第26-33页 |
| ·数据正向传输过程 | 第26-27页 |
| ·误差信号反向传输过程 | 第27-28页 |
| ·标准BP学习算法 | 第28-30页 |
| ·BP网络算法 | 第30页 |
| ·算法的改进 | 第30-33页 |
| 第四章 小波神经网络 | 第33-40页 |
| ·小波分析 | 第33-36页 |
| ·小波变换的来源 | 第33-34页 |
| ·连续小波基函数 | 第34-35页 |
| ·连续小波变换 | 第35页 |
| ·离散小波变换 | 第35-36页 |
| ·小波神经网络 | 第36-40页 |
| ·小波神经网络的结构 | 第36-37页 |
| ·小波神经网络的优点 | 第37页 |
| ·小波神经网络的学习算法 | 第37-39页 |
| ·小波神经网络的函数逼近能力 | 第39-40页 |
| 第五章 系统实现 | 第40-47页 |
| ·系统结构 | 第40-41页 |
| ·具体实现 | 第41-44页 |
| ·特征提取 | 第41-42页 |
| ·识别系统 | 第42-44页 |
| ·结果 | 第44-47页 |
| ·训练速度的比较 | 第44-45页 |
| ·识别率比较 | 第45页 |
| ·结果分析 | 第45-47页 |
| 第六章 结论与展望 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 在学期间发表的学术论文和参加科研情况 | 第52页 |
