| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第14-25页 |
| 1.1 课题研究目的及意义 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-21页 |
| 1.2.1 经典的说话人识别方法 | 第15-17页 |
| 1.2.2 基于稀疏表示的说话人识别方法 | 第17-21页 |
| 1.3 目前存在的主要问题 | 第21-22页 |
| 1.4 本文主要研究内容 | 第22-25页 |
| 第2章 稀疏表示和说话人识别 | 第25-43页 |
| 2.1 引言 | 第25-26页 |
| 2.2 稀疏表示理论 | 第26-30页 |
| 2.2.1 稀疏分解 | 第28-29页 |
| 2.2.2 字典学习 | 第29-30页 |
| 2.3 说话人识别系统的基本组成 | 第30-40页 |
| 2.3.1 特征提取 | 第30-37页 |
| 2.3.2 模型训练 | 第37-39页 |
| 2.3.3 模型匹配 | 第39页 |
| 2.3.4 融合信息 | 第39-40页 |
| 2.4 说话人识别系统的评价指标 | 第40页 |
| 2.5 说话人识别系统的语料库 | 第40-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第3章 基于帧级字典原子活跃度模型的说话人识别 | 第43-57页 |
| 3.1 引言 | 第43-44页 |
| 3.2 原子活跃度模型的构建 | 第44-48页 |
| 3.2.1 字典原子激活状态表示 | 第44-45页 |
| 3.2.2 峰度 | 第45-46页 |
| 3.2.3 字典原子活跃度模型 | 第46-48页 |
| 3.3 动态阈值确定 | 第48-51页 |
| 3.4 实验结果与分析 | 第51-55页 |
| 3.5 本章小结 | 第55-57页 |
| 第4章 基于帧级联合字典和系数池化鲁棒说话人识别 | 第57-81页 |
| 4.1 引言 | 第57-58页 |
| 4.2 基于语音和噪声联合字典的稀疏表示 | 第58-62页 |
| 4.3 基于稀疏表示的池化特征 | 第62-66页 |
| 4.3.1 最大值池化操作 | 第63-64页 |
| 4.3.2 平均值池化操作 | 第64-66页 |
| 4.4 余弦相似度判决准则 | 第66-67页 |
| 4.5 实验结果与分析 | 第67-80页 |
| 4.5.1 最大值池化操作结果评估 | 第67-76页 |
| 4.5.2 平均值池化操作结果评估 | 第76-80页 |
| 4.6 本章小结 | 第80-81页 |
| 第5章 基于段级字典判别性学习的说话人识别 | 第81-98页 |
| 5.1 引言 | 第81-82页 |
| 5.2 Fisher准则 | 第82-84页 |
| 5.3 Fisher判别字典学习 | 第84-91页 |
| 5.3.1 简化FDDL模型 | 第85-87页 |
| 5.3.2 优化FDDL模型 | 第87-91页 |
| 5.4 基于FDDL的说话人识别 | 第91-92页 |
| 5.5 实验结果与分析 | 第92-96页 |
| 5.5.1 基于FDDL的说话人识别系统 | 第93-94页 |
| 5.5.2 基于i-CDS和FDDL融合的说话人识别系统 | 第94-95页 |
| 5.5.3 不同判别字典学习方法的对比 | 第95-96页 |
| 5.6 本章小结 | 第96-98页 |
| 第6章 基于块稀疏贝叶斯分解的说话人识别 | 第98-112页 |
| 6.1 引言 | 第98-99页 |
| 6.2 稀疏贝叶斯 | 第99-103页 |
| 6.3 块稀疏贝叶斯 | 第103-105页 |
| 6.4 基于块稀疏贝叶斯分解的说话人识别 | 第105-108页 |
| 6.4.1 字典构成 | 第106页 |
| 6.4.2 块稀疏贝叶斯分解 | 第106-108页 |
| 6.5 实验结果与分析 | 第108-111页 |
| 6.6 本章小结 | 第111-112页 |
| 结论 | 第112-114页 |
| 参考文献 | 第114-125页 |
| 攻读博士学位期间发表的论文及其它成果 | 第125-127页 |
| 致谢 | 第127-128页 |
| 个人简历 | 第128页 |