| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-20页 |
| 1.1 课题背景及意义 | 第9-10页 |
| 1.2 说话人识别 | 第10-12页 |
| 1.2.1 说话人识别的基本概念 | 第10-11页 |
| 1.2.2 说话人识别的优势与应用前景 | 第11-12页 |
| 1.3 说话人识别的研究现状 | 第12-18页 |
| 1.4 论文主要工作 | 第18-19页 |
| 1.5 论文的组织结构 | 第19-20页 |
| 第二章 说话人识别中的关键技术 | 第20-36页 |
| 2.1 说话人识别的处理流程 | 第20-21页 |
| 2.2 语音滤波 | 第21-25页 |
| 2.2.1 经典语音滤波方法 | 第22-23页 |
| 2.2.2 语音滤波效果的评价体系 | 第23-25页 |
| 2.3 特征提取 | 第25-31页 |
| 2.3.1 经典的特征提取方法 | 第25-29页 |
| 2.3.2 特征优劣的评价体系 | 第29-31页 |
| 2.4 模式匹配 | 第31-34页 |
| 2.4.1 经典模式匹配方法 | 第31-32页 |
| 2.4.2 模式匹配方法优劣的评价体系 | 第32-34页 |
| 2.5 实验语料库 | 第34-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第三章 一种多层自适应形态滤波算法 | 第36-56页 |
| 3.1 语音滤波方法 | 第36-39页 |
| 3.2 形态滤波的原理 | 第39-43页 |
| 3.2.1 膨胀运算及腐蚀运算 | 第39-40页 |
| 3.2.2 开运算及闭运算 | 第40-42页 |
| 3.2.3 经典数学形态滤波器 | 第42-43页 |
| 3.3 形态学滤波的相关算法 | 第43-45页 |
| 3.4 多层自适应形态滤波算法 | 第45-49页 |
| 3.4.1 多层结构 | 第45-46页 |
| 3.4.2 自适应设置一维偏倚校正系数向量 | 第46-47页 |
| 3.4.3 多层自适应形态滤波算法 | 第47-49页 |
| 3.5 实验及结果分析 | 第49-54页 |
| 3.5.1 Ⅰ型高斯白噪声的滤波 | 第49-50页 |
| 3.5.2 Ⅱ型高斯白噪声的滤波 | 第50-52页 |
| 3.5.3 高斯白噪声和sin函数噪声混合噪声的滤波 | 第52-53页 |
| 3.5.4 高斯白噪声、sin函数噪声和cos函数噪声混合噪声的滤波 | 第53-54页 |
| 3.6 本章小结 | 第54-56页 |
| 第四章 基于深度置信网络的特征提取算法 | 第56-72页 |
| 4.1 特征提取方法 | 第56-57页 |
| 4.2 深度置信网络 | 第57-61页 |
| 4.2.1 受限玻尔兹曼机 | 第58-59页 |
| 4.2.2 DBNs训练 | 第59-61页 |
| 4.3 基于误差判断的改进DBNs | 第61-67页 |
| 4.3.1 初始参数的设置 | 第61-64页 |
| 4.3.2 DBNs深度的设置 | 第64-65页 |
| 4.3.3 基于改进DBNs的特征提取算法 | 第65-67页 |
| 4.4 实验及结果分析 | 第67-71页 |
| 4.4.1 实验数据预处理 | 第67-68页 |
| 4.4.2 确定终止RBM迭代训练的阈值 | 第68-69页 |
| 4.4.3 确定终止RBM叠加的阈值 | 第69-70页 |
| 4.4.4 基于改进DBNs所提取特征优劣的比较 | 第70-71页 |
| 4.5 本章小结 | 第71-72页 |
| 第五章 基于DBNs说话人识别的原型系统设计 | 第72-90页 |
| 5.1 需求分析 | 第72-74页 |
| 5.2 系统设计 | 第74-78页 |
| 5.2.1 概要设计 | 第74-75页 |
| 5.2.2 详细设计 | 第75-78页 |
| 5.3 功能实现 | 第78-82页 |
| 5.4 系统测试和结果分析 | 第82-89页 |
| 5.5 本章小结 | 第89-90页 |
| 第六章 总结与展望 | 第90-92页 |
| 6.1 论文工作总结 | 第90-91页 |
| 6.2 研究展望 | 第91-92页 |
| 参考文献 | 第92-96页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第96-97页 |
| 附录2 攻读硕士学位期间申请的专利 | 第97-98页 |
| 致谢 | 第98页 |