| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 缩略语 | 第10-14页 |
| 第一章 绪论 | 第14-34页 |
| 1.1 引言 | 第14-15页 |
| 1.2 说话人识别技术概述 | 第15-21页 |
| 1.2.1 说话人识别技术发展与现状 | 第15-18页 |
| 1.2.2 说话人识别数据库 | 第18-20页 |
| 1.2.2.1 实验室数据 | 第18页 |
| 1.2.2.2 美国国家标准技术局数据 | 第18-20页 |
| 1.2.3 评测标准 | 第20-21页 |
| 1.3 信号稀疏表示基本原理 | 第21-28页 |
| 1.3.1 结构化信号处理 | 第21-22页 |
| 1.3.2 稀疏分解算法 | 第22-25页 |
| 1.3.2.1 凸松弛法 | 第23-24页 |
| 1.3.2.2 贪婪法 | 第24-25页 |
| 1.3.3 字典的生成 | 第25-28页 |
| 1.4 稀疏分解在语音信号处理领域的应用 | 第28-30页 |
| 1.5 说话人识别领域有待解决的问题 | 第30-31页 |
| 1.6 论文的研究目标 | 第31-32页 |
| 1.7 论文的结构安排 | 第32-34页 |
| 第二章 说话人识别的关键技术 | 第34-52页 |
| 2.1 引言 | 第34页 |
| 2.2 特征参数 | 第34-37页 |
| 2.3 模型的选择和模型匹配方法 | 第37-50页 |
| 2.3.1 高斯混合模型-通用背景模型(GMM-UBM) | 第39-42页 |
| 2.3.2 联合因子分析(JFA) | 第42-43页 |
| 2.3.3 全局差异模型(TVM) | 第43-50页 |
| 2.4 鲁棒性 | 第50-51页 |
| 2.5 本章小结 | 第51-52页 |
| 第三章 基于稀疏分解的字典模型 | 第52-72页 |
| 3.1 引言 | 第52-53页 |
| 3.2 说话人字典模型 | 第53-60页 |
| 3.2.1 过完备字典模型 | 第54-58页 |
| 3.2.1.1 过完备字典建模的基本流程 | 第54-55页 |
| 3.2.1.2 字典模型的参数特征选取 | 第55-58页 |
| 3.2.2 实验及分析 | 第58-60页 |
| 3.3 字典模型的内存优化 | 第60-64页 |
| 3.3.1 欠完备字典模型 | 第60-61页 |
| 3.3.2 利用概率统计方法减少字典尺寸 | 第61-63页 |
| 3.3.3 实验及分析 | 第63-64页 |
| 3.4 加性噪声语音中的说话人识别系统 | 第64-70页 |
| 3.4.1 多字典模型 | 第65-67页 |
| 3.4.1.1 堆叠多字典模型 | 第65-66页 |
| 3.4.1.2 联合多字典模型 | 第66-67页 |
| 3.4.2 多字典模型下的说话人识别系统 | 第67-68页 |
| 3.4.3 实验及分析 | 第68-70页 |
| 3.5 本章小结 | 第70-72页 |
| 第四章 全局差异矩阵的稀疏分解方法 | 第72-92页 |
| 4.1 引言 | 第72页 |
| 4.2 全局差异矩阵的稀疏分解 | 第72-77页 |
| 4.2.1 直接表达式 | 第74页 |
| 4.2.2 近似表达式 | 第74-75页 |
| 4.2.3 实验及分析 | 第75-77页 |
| 4.3 稀疏矩阵和字典替换全局差异矩阵 | 第77-84页 |
| 4.3.1 EM算法更新稀疏矩阵和字典矩阵 | 第77-82页 |
| 4.3.1.1 更新稀疏矩阵 | 第80-81页 |
| 4.3.1.2 更新字典矩阵 | 第81-82页 |
| 4.3.1.3 稀疏矩阵和字典矩阵的初始化 | 第82页 |
| 4.3.2 更新方差矩阵 | 第82-83页 |
| 4.3.3 实验及分析 | 第83-84页 |
| 4.4 全局差异矩阵的类特征值分解 | 第84-91页 |
| 4.4.1 全局差异矩阵的类特征值分解算法 | 第84-87页 |
| 4.4.1.1 更新字典矩阵 | 第85-86页 |
| 4.4.1.2 更新对角矩阵 | 第86-87页 |
| 4.4.1.3 初始化字典矩阵和对角矩阵 | 第87页 |
| 4.4.2 其他快速算法的介绍及比较 | 第87-90页 |
| 4.4.3 实验及分析 | 第90-91页 |
| 4.5 本章小结 | 第91-92页 |
| 第五章 基于先验信息的I-vector快速算法 | 第92-112页 |
| 5.1 引言 | 第92页 |
| 5.2 I-vector的通用表达式 | 第92-100页 |
| 5.2.1 空间正交化的先验算子 | 第93-94页 |
| 5.2.2 等比缩放假设 | 第94-95页 |
| 5.2.3 基于空间正交化先验的I-vector快速算法 | 第95-96页 |
| 5.2.4 基于EM算法求解空间正交化先验的I-vector计算 | 第96-98页 |
| 5.2.5 实验及分析 | 第98-100页 |
| 5.3 I-vector与PCA之间的关系 | 第100-102页 |
| 5.3.1 用PCA的方法计算I-vector | 第100页 |
| 5.3.2 实验及分析 | 第100-102页 |
| 5.4 其他快速算法的介绍及比较 | 第102-106页 |
| 5.4.1 其他I-vector快速算法 | 第102-104页 |
| 5.4.2 实验及分析 | 第104-106页 |
| 5.5 统计量权重因子预处理 | 第106-110页 |
| 5.5.1 统计量预处理后的I-vector计算 | 第106-108页 |
| 5.5.1.1 统计量的权重因子预处理 | 第106-107页 |
| 5.5.1.2 预加权处理下的快速算法 | 第107-108页 |
| 5.5.2 实验及分析 | 第108-110页 |
| 5.6 本章小结 | 第110-112页 |
| 第六章 总结和展望 | 第112-116页 |
| 6.1 总结 | 第112-114页 |
| 6.2 展望 | 第114-116页 |
| 致谢 | 第116-118页 |
| 参考文献 | 第118-126页 |
| 攻读博士学位期间撰写的学术论文 | 第126-127页 |
| 攻读博士学位期间参加的科研项目情况 | 第127页 |
