基于深度学习的短语音说话人识别研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-17页 |
| 1.1 短时说话人识别概述 | 第11-14页 |
| 1.1.1 课题的背景和意义 | 第11-12页 |
| 1.1.2 说话人识别技术回顾 | 第12-13页 |
| 1.1.3 短时说话人识别面临的问题 | 第13-14页 |
| 1.2 深度学习与说话人识别 | 第14-15页 |
| 1.3 论文说话人识别系统评价指标 | 第15页 |
| 1.4 论文主要研究问题与内容 | 第15-17页 |
| 2 说话人识别的相关技术基础 | 第17-28页 |
| 2.1 说话人识别基本原理 | 第17页 |
| 2.2 语音数据预处理 | 第17-18页 |
| 2.2.1 预加重 | 第17-18页 |
| 2.2.2 分帧加窗 | 第18页 |
| 2.2.3 端点检测 | 第18页 |
| 2.3 语音特征提取 | 第18-21页 |
| 2.3.1 倒谱分析与梅尔频率倒谱系数 | 第19页 |
| 2.3.2 梅尔频率倒谱系数 | 第19-21页 |
| 2.4 GMM-UBM说话人识别模型 | 第21-27页 |
| 2.4.1 高斯混合模型 | 第21-23页 |
| 2.4.2 UBM模型的EM算法 | 第23-25页 |
| 2.4.3 目标说话人模型的MAP自适应 | 第25-26页 |
| 2.4.4 GMM-UBM说话人识别系统 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 深度学习基础理论 | 第28-37页 |
| 3.1 深度学习概述 | 第28-29页 |
| 3.2 基于能量的模型 | 第29-30页 |
| 3.3 受限玻尔兹曼机 | 第30-33页 |
| 3.3.1 受限玻尔兹曼机基本模型 | 第30-32页 |
| 3.3.2 对比散度算法 | 第32-33页 |
| 3.4 深度神经网络关键技术 | 第33-36页 |
| 3.4.1 无监督的逐层贪婪预训练 | 第34页 |
| 3.4.2 有监督的参数优化 | 第34-36页 |
| 3.5 本章小结 | 第36-37页 |
| 4 基于深度学习的语音特征提取 | 第37-46页 |
| 4.1 引言 | 第37页 |
| 4.2 卷积深度信念网络 | 第37-39页 |
| 4.2.1 概率最大池化-卷积受限玻尔兹曼机 | 第37-39页 |
| 4.2.2 稀疏正则化 | 第39页 |
| 4.3 基于CDBN的语音特征提取实验 | 第39-43页 |
| 4.3.1 实验环境 | 第39-40页 |
| 4.3.2 实验语音数据 | 第40页 |
| 4.3.3 提取语音频谱特征 | 第40-41页 |
| 4.3.4 语音频谱特征预处理 | 第41-42页 |
| 4.3.4.1 数据归一化处理 | 第41页 |
| 4.3.4.2 主成分分析白化 | 第41页 |
| 4.3.4.3 数据可视化 | 第41-42页 |
| 4.3.5 提取CDBN特征 | 第42-43页 |
| 4.3.6 语音特征可视化 | 第43页 |
| 4.4 说话人识别实验及分析 | 第43-44页 |
| 4.5 本章小结 | 第44-46页 |
| 5 基于深层神经网络的说话人识别系统 | 第46-54页 |
| 5.1 引言 | 第46页 |
| 5.2 基于深层神经网络的说话人识别后端分类 | 第46-51页 |
| 5.2.1 深层神经网络模型结构 | 第46-48页 |
| 5.2.2 模型参数训练过程 | 第48-49页 |
| 5.2.3 Dropout策略 | 第49-51页 |
| 5.3 系统的实现 | 第51页 |
| 5.3.1 实验数据选择 | 第51页 |
| 5.3.2 DNN模型训练 | 第51页 |
| 5.4 说话人实验及分析 | 第51-52页 |
| 5.5 本章小结 | 第52-54页 |
| 6 结论和展望 | 第54-56页 |
| 6.1 结论 | 第54页 |
| 6.2 展望 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 个人简历、在校期间发表的学术论文及研究成果 | 第60-61页 |
| 致谢 | 第61-63页 |
| 附录A | 第63-64页 |
