| 表目录 | 第1-8页 |
| 图目录 | 第8-9页 |
| 摘要 | 第9-10页 |
| ABSTRACT | 第10-12页 |
| 第一章 绪论 | 第12-25页 |
| ·课题的研究背景 | 第12-13页 |
| ·语言辨识技术的发展现状 | 第13-16页 |
| ·基于统计模型的方法 | 第13-14页 |
| ·基于音素识别的方法 | 第14-15页 |
| ·提高语言辨识鲁棒性的方法 | 第15-16页 |
| ·基于GSV-SVM 语言辨识的关键技术 | 第16-23页 |
| ·特征提取 | 第16-18页 |
| ·特征域的鲁棒性方法 | 第18-20页 |
| ·GSV-SVM 方法 | 第20-23页 |
| ·论文的主要内容和结构安排 | 第23-25页 |
| 第二章 基于GSV-SVM 和CASA 的改进VOA 语料获取方法 | 第25-35页 |
| ·NIST 推荐的VOA 语料获取方法 | 第25-27页 |
| ·窄带电话信道数据检测 | 第26-27页 |
| ·宽带数据中纯语音数据的获取 | 第27页 |
| ·改进的VOA 语料获取方法 | 第27-33页 |
| ·基于计算听觉场景分析的含背景音语音检测 | 第28-30页 |
| ·基于GSV-SVM 的目标语言/非目标语言语音分离 | 第30-33页 |
| ·实验 | 第33-34页 |
| ·训练语料准备 | 第33页 |
| ·系统配置 | 第33页 |
| ·实验结果及分析 | 第33-34页 |
| ·小结 | 第34-35页 |
| 第三章 基于听觉感知和子带补偿滤波的鲁棒特征参数 | 第35-43页 |
| ·听觉感知模型 | 第35-36页 |
| ·子带补偿滤波器的设计 | 第36-38页 |
| ·听觉感知鲁棒特征的提取 | 第38-40页 |
| ·实验 | 第40-42页 |
| ·实验配置 | 第40页 |
| ·不同噪声环境下的性能 | 第40-42页 |
| ·不同平衡因子λ的性能比较 | 第42页 |
| ·小结 | 第42-43页 |
| 第四章 基于因子分析的信道补偿技术 | 第43-51页 |
| ·常用的信道补偿方法 | 第43-46页 |
| ·特征映射 | 第43-44页 |
| ·干扰属性投影 | 第44-45页 |
| ·因子分析 | 第45-46页 |
| ·基于因子分析的语言辨识 | 第46-48页 |
| ·因子分析在语言辨识中的建模 | 第46页 |
| ·模型参数估计 | 第46-48页 |
| ·简化的噪声空间估计 | 第48-49页 |
| ·本征信道子空间的估计 | 第48-49页 |
| ·信道因子的估计 | 第49页 |
| ·特征域信道补偿 | 第49页 |
| ·实验 | 第49-50页 |
| ·语料准备 | 第49-50页 |
| ·系统配置 | 第50页 |
| ·实验结果及分析 | 第50页 |
| ·小结 | 第50-51页 |
| 第五章 基于Bhattacharyya 核和HHLDA 的GSV-SVM 语言辨识 | 第51-62页 |
| ·扩展的KL 核 | 第51-52页 |
| ·Bhattacharyya 核 | 第52-56页 |
| ·GMM 间的Bhattacharyya 距离 | 第52-53页 |
| ·GMM 均值间隔核 | 第53-54页 |
| ·扩展的Bhattacharyya 核 | 第54-56页 |
| ·GSV 的层次化HLDA 降维 | 第56-57页 |
| ·异方差线性判别分析 | 第56-57页 |
| ·层次化的HLDA | 第57页 |
| ·判决的Model Pushing 方法 | 第57-58页 |
| ·基于Bhattacharyya 核的GSV-SVM 语言辨识系统 | 第58页 |
| ·实验 | 第58-61页 |
| ·实验语料 | 第58页 |
| ·实验系统配置 | 第58-59页 |
| ·实验结果及分析 | 第59-61页 |
| ·小结 | 第61-62页 |
| 结束语 | 第62-64页 |
| 参考文献 | 第64-69页 |
| 作者简介 攻读硕士学位期间完成的主要工作 | 第69-70页 |
| 致谢 | 第70页 |
