| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第8-10页 |
| CONTENTS | 第10-13页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 发展趋势及存在问题 | 第16-17页 |
| 1.4 论文的主要研究内容及成果 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 语音信号预处理与特征提取 | 第18-28页 |
| 2.1 语音信号的预处理 | 第18-22页 |
| 2.1.1 语音信号数字化 | 第18-19页 |
| 2.1.2 预加重 | 第19-20页 |
| 2.1.3 分帧加窗 | 第20-21页 |
| 2.1.4 端点检测 | 第21-22页 |
| 2.2 说话人的特征提取 | 第22-27页 |
| 2.2.1 语音信号特征参数分类 | 第23页 |
| 2.2.2 线性预测系数 | 第23-24页 |
| 2.2.3 线性预测倒谱参数 | 第24-25页 |
| 2.2.4 梅尔频率倒谱系数 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 说话人识别模型算法研究 | 第28-43页 |
| 3.1 矢量量化模型 | 第28-32页 |
| 3.1.1 矢量量化的基本原理 | 第29-30页 |
| 3.1.2 LBG算法分析 | 第30-32页 |
| 3.2 隐马尔可夫模型 | 第32-37页 |
| 3.2.1 HMM的基本思想 | 第32-34页 |
| 3.2.2 HMM的基本算法 | 第34-37页 |
| 3.3 高斯混合模型 | 第37-42页 |
| 3.3.1 GMM模型结构 | 第38-39页 |
| 3.3.2 GMM的参数估计 | 第39-41页 |
| 3.3.3 GMM参数初始化及阶数选择 | 第41-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第四章 融合AP和GMM的说话人识别方法研究 | 第43-52页 |
| 4.1 本文所要解决的问题 | 第43页 |
| 4.2 AP聚类算法介绍 | 第43-46页 |
| 4.3 说话人识别系统的具体实现 | 第46-51页 |
| 4.3.1 建立说话人识别系统的具体过程 | 第46-48页 |
| 4.3.2 AP聚类算法获取GMM混合阶数 | 第48-49页 |
| 4.3.3 AP聚类效果的评价 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 实验及其结果分析 | 第52-60页 |
| 5.1 实验语音数据库及实验平台 | 第52-53页 |
| 5.1.1 语音库的建立 | 第52页 |
| 5.1.2 实验平台 | 第52-53页 |
| 5.2 融合AP和GMM的说话人识别实验结果及分析 | 第53-59页 |
| 5.2.1 基于Timit标准语音库的实验结果及分析 | 第53-56页 |
| 5.2.2 基于网络志愿者多方言语音库的实验结果及分析 | 第56-59页 |
| 5.3 本章小结 | 第59-60页 |
| 结论与展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读学位期间发表的论文 | 第66-68页 |
| 致谢 | 第68页 |
