| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-7页 |
| 第一章 前言 | 第7-9页 |
| 第二章 身份识别概述 | 第9-29页 |
| 2．1 概述 | 第9-12页 |
| 2．2 说话人识别方法 | 第12-22页 |
| 2．2．1 说话人识别技术的历史及其现状 | 第12-16页 |
| 2．2．2 计算机语音信号处理 | 第16-18页 |
| 2．2．3 特征参数 | 第18-22页 |
| 2．3 人脸识别综述 | 第22-29页 |
| 2．3．1 概述 | 第22-23页 |
| 2．3．2 人脸定位与分割 | 第23-24页 |
| 2．3．3 人脸图像特征提取 | 第24页 |
| 2．3．4 人脸识别 | 第24-29页 |
| 第三章 神经网络和模式识别 | 第29-37页 |
| 3．1 概述 | 第29页 |
| 3．2 人工神经元的结构模型 | 第29-30页 |
| 3．3 几种常用神经网络结构和算法 | 第30-35页 |
| 3．4 神经网络与模式识别 | 第35-37页 |
| 3．4．1 多层前馈网络用于模式识别 | 第35-36页 |
| 3．4．2 自组织网络用于模式识别 | 第36-37页 |
| 第四章 数据融合综述 | 第37-49页 |
| 4．1 概述 | 第37-38页 |
| 4．2 目标跟踪 | 第38-39页 |
| 4．3 身份识别 | 第39-48页 |
| 4．3．1 概述 | 第39-41页 |
| 4．3．2 Bayes统计理论 | 第41-43页 |
| 4．3．3 Dempster-Shafer证据理论 | 第43-46页 |
| 4．3．4 神经网络 | 第46-47页 |
| 4．3．5 模糊积分 | 第47-48页 |
| 4．4 态势评估和威胁评估（STA） | 第48-49页 |
| 第五章 基于神经网络的特征融合系统 | 第49-64页 |
| 5．1 系统概述 | 第49-50页 |
| 5．2 特征提取 | 第50-60页 |
| 5．2．1 语音信号处理 | 第50-56页 |
| 5．2．2 人脸图像处理 | 第56-60页 |
| 5．3 数据融合 | 第60-61页 |
| 5．4 仿真实验结果分析 | 第61-64页 |
| 第六章 总结和展望 | 第64-66页 |
| 6．1 主要工作总结 | 第64页 |
| 6．2 进一步的工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致 谢 | 第70-71页 |
| 发表论文 | 第71页 |