| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·说话人识别概述 | 第11-12页 |
| ·说话人识别的优势与应用前景 | 第12-15页 |
| ·本课题研究历史 | 第15-16页 |
| ·本课题研究现状 | 第16-17页 |
| ·说话人识别中存在的问题 | 第17-19页 |
| 第二章 说话人识别的基础知识 | 第19-47页 |
| ·说话人识别系统结构 | 第19-20页 |
| ·说话人识别特征提取 | 第20-36页 |
| ·预处理 | 第21-26页 |
| ·采样 | 第21-22页 |
| ·量化 | 第22-24页 |
| ·预加重处理 | 第24-25页 |
| ·加窗 | 第25-26页 |
| ·语音信号的分帧 | 第26页 |
| ·语音信号的时域分析 | 第26-31页 |
| ·短时能量 | 第26-28页 |
| ·短时过零率 | 第28-29页 |
| ·双门限端点检测 | 第29-31页 |
| ·线性预测技术 | 第31-32页 |
| ·美尔倒谱系数 | 第32-35页 |
| ·Delta 特征 | 第35页 |
| ·声门特征 | 第35-36页 |
| ·说话人识别模型 | 第36-47页 |
| ·矢量量化模型（VQ） | 第36-42页 |
| ·概述 | 第36-37页 |
| ·矢量量化的基本原理 | 第37-39页 |
| ·矢量量化的失真测度 | 第39页 |
| ·矢量量化器的最佳码本设计 | 第39-42页 |
| ·矢量量化技术的局限性和优化 | 第42页 |
| ·动态规整模型（DTW） | 第42-47页 |
| ·动态规整模型（DTW）介绍 | 第43-45页 |
| ·DTW 算法改进 | 第45页 |
| ·搜索宽度限制 | 第45页 |
| ·放宽端点限制 | 第45-47页 |
| 第三章 分布式声纹打卡系统 | 第47-61页 |
| ·开发背景 | 第47-48页 |
| ·系统体系结构 | 第48-57页 |
| ·管理端和服务器端 | 第49-53页 |
| ·说话人识别模块 | 第53-55页 |
| ·数据库管理模块 | 第55-56页 |
| ·用户信息浏览模块 | 第56页 |
| ·远程通讯模块 | 第56-57页 |
| ·说话人识别 | 第57-59页 |
| ·决策方法 | 第57-58页 |
| ·模型数据更新 | 第58-59页 |
| ·性能评估 | 第59-61页 |
| ·实验条件 | 第59页 |
| ·识别率 | 第59页 |
| ·响应速度 | 第59-60页 |
| ·出错原因分析 | 第60-61页 |
| 第四章 分布式声纹打卡系统改进方向 | 第61-77页 |
| ·利用隐马尔科夫模型识别随机数字 | 第61-70页 |
| ·隐马尔科夫模型的定义 | 第61-62页 |
| ·隐马尔科夫模型的三个问题 | 第62-66页 |
| ·评估问题 | 第62-63页 |
| ·解码问题 | 第63-64页 |
| ·训练问题 | 第64-66页 |
| ·隐马尔可夫模型在语音识别应用 | 第66-67页 |
| ·在MATLAB 中使用隐马尔科夫模型(HMM)识别孤立字 | 第67-69页 |
| ·隐马尔科夫模型存在的问题 | 第69-70页 |
| ·运用GMM 对说话人进行识别 | 第70-77页 |
| ·GMM 的定义 | 第70-72页 |
| ·GMM 的学习方法 | 第72-75页 |
| ·GMM 的MATLAB 实现 | 第75-77页 |
| 第五章 结论 | 第77-79页 |
| ·本课题小结 | 第77页 |
| ·声纹识别的难题和改进方向 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-83页 |