与文本无关的说话人确认系统的信道鲁棒性研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-18页 |
| ·课题研究背景 | 第10-11页 |
| ·说话人识别概述 | 第11-17页 |
| ·说话人识别基本原理 | 第11-12页 |
| ·说话人识别类型 | 第12-13页 |
| ·评测数据库与评测标准 | 第13-17页 |
| ·本文主要研究内容 | 第17-18页 |
| 第二章 特征参数提取和参数级鲁棒性研究 | 第18-32页 |
| ·语音的发声机理及其模型 | 第18-20页 |
| ·语音信号的特征参数 | 第20-26页 |
| ·基音周期 | 第21-22页 |
| ·MFCC 参数 | 第22-25页 |
| ·PLP 参数 | 第25-26页 |
| ·参数级鲁棒性研究 | 第26-31页 |
| ·动态参数法 | 第26-27页 |
| ·倒谱均值相减法(CMS) | 第27-28页 |
| ·倒谱均值与方差归一化法(CMVN) | 第28页 |
| ·RASTA | 第28-29页 |
| ·特征弯折(Feature Warping) | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于高斯混合模型的说话人确认系统 | 第32-45页 |
| ·高斯混合模型(GMM) | 第32-36页 |
| ·基本概念 | 第32-34页 |
| ·模型参数的估计 | 第34-36页 |
| ·基于UBM-GMM 的系统 | 第36-39页 |
| ·UBM-GMM 的训练过程 | 第36-38页 |
| ·UBM-GMM 的识别过程 | 第38-39页 |
| ·基于LFA 的鲁棒性研究 | 第39-42页 |
| ·超向量(Supervector)的基本概念 | 第39-40页 |
| ·隐藏因子分析(LFA) | 第40-42页 |
| ·实验与讨论 | 第42-44页 |
| ·数据库描述 | 第42页 |
| ·参数提取 | 第42-43页 |
| ·实验结果与分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 基于支持向量机的说话人确认系统 | 第45-71页 |
| ·支持向量机(SVM) | 第45-58页 |
| ·概述 | 第45页 |
| ·基于风险最小的机器学习方法 | 第45-48页 |
| ·线性判决边界 | 第48-53页 |
| ·非线性判决边界 | 第53-55页 |
| ·核函数 | 第55-58页 |
| ·SVM 在说话人确认中的应用 | 第58-64页 |
| ·概述 | 第58-59页 |
| ·GMM-SVM 系统 | 第59-62页 |
| ·GMM supervector 系统 | 第62-64页 |
| ·基于NAP 的鲁棒性研究 | 第64-66页 |
| ·实验与讨论 | 第66-70页 |
| ·基于SVM 各系统的实验结果 | 第66-68页 |
| ·NAP 鲁棒性的实验结果 | 第68-70页 |
| ·本章小结 | 第70-71页 |
| 第五章 系统融合 | 第71-82页 |
| ·激励源系统及其融合 | 第71-77页 |
| ·概述 | 第71-72页 |
| ·Pitch 超向量系统 | 第72-74页 |
| ·Pitch 超向量和MFCC 超向量的系统融合 | 第74-77页 |
| ·各子系统融合 | 第77-81页 |
| ·实验条件描述 | 第77-78页 |
| ·实验结果与分析 | 第78-81页 |
| ·本章小结 | 第81-82页 |
| 第六章 全文总结 | 第82-84页 |
| ·主要结论 | 第82-83页 |
| ·研究展望 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 攻读硕士学位期间已发表或录用的论文 | 第88-89页 |
| 致谢 | 第89-92页 |
| 上海交通大学学位论文答辩决议书 | 第92页 |
