基于若干声纹信息空间的说话人识别技术研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-14页 |
| 第1章 绪论 | 第14-31页 |
| ·说话人识别及其发展历史 | 第14-20页 |
| ·背景 | 第14-15页 |
| ·说话人识别技术概述 | 第15-16页 |
| ·说话人识别技术的应用 | 第16-18页 |
| ·说话人识别技术历史回顾 | 第18-20页 |
| ·说话人确认系统基线系统(GMM-UBM) | 第20-24页 |
| ·特征提取 | 第21-22页 |
| ·说话人模型建立 | 第22-23页 |
| ·测试得分及得分规整 | 第23-24页 |
| ·说话人确认系统的评价标准 | 第24-25页 |
| ·标准数据库 | 第25-27页 |
| ·NIST SRE数据库 | 第26-27页 |
| ·TIMIT数据库 | 第27页 |
| ·NIST SRE 2006年核心测试性能 | 第27-29页 |
| ·论文研究问题以及组织结构 | 第29-31页 |
| 第2章 基于音素空间的说话人识别技术研究 | 第31-49页 |
| ·引言 | 第31-34页 |
| ·最大似然线性回归 | 第34-36页 |
| ·多语言编码 | 第36-42页 |
| ·离散无记忆源 | 第36-37页 |
| ·两阶段声纹信息提取 | 第37-39页 |
| ·多语言编码声纹识别系统 | 第39-40页 |
| ·得分端的融合策略 | 第40-42页 |
| ·实验以及结果 | 第42-47页 |
| ·多语言编码说话人识别系统的配置 | 第42-43页 |
| ·结果以及分析 | 第43-47页 |
| ·本章小结 | 第47-49页 |
| 第3章 基于时域空间的说话人识别技术研究 | 第49-61页 |
| ·引言 | 第49-51页 |
| ·混合高斯模型-通用背景模型和联合因子分析 | 第51-52页 |
| ·非监督自适应模式 | 第52-56页 |
| ·模型域的非监督自适应算法 | 第52-53页 |
| ·得分域的非监督自适应算法 | 第53-56页 |
| ·实验以及结果 | 第56-60页 |
| ·系统实验配置 | 第56-57页 |
| ·结果以及分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第4章 基于频域空间的说话人识别技术研究 | 第61-76页 |
| ·引言 | 第61-63页 |
| ·满方差矩阵的建模方法 | 第63-66页 |
| ·最大后验概率估计 | 第63-64页 |
| ·因子分析估计 | 第64-66页 |
| ·构造超级协方差矩阵 | 第66-67页 |
| ·度量准则 | 第67-71页 |
| ·弗罗宾尼斯角度 | 第67-68页 |
| ·对数欧拉距离度量 | 第68-70页 |
| ·支持向量机 | 第70-71页 |
| ·线性内积分类器 | 第71页 |
| ·实验以及结果 | 第71-75页 |
| ·系统实验配置 | 第71-72页 |
| ·结果以及分析 | 第72-75页 |
| ·本章小结 | 第75-76页 |
| 第5章 基于深层特征空间的说话人识别技术研究 | 第76-98页 |
| ·引言 | 第76-78页 |
| ·深层神经网络 | 第78-79页 |
| ·层叠的自动编码器 | 第79-83页 |
| ·提取声纹信息的网络结构 | 第83-89页 |
| ·稀疏编码限制 | 第84-86页 |
| ·说话人距离限制 | 第86-89页 |
| ·实验及结果 | 第89-97页 |
| ·深层神经网络特征扩展系统的参数配置 | 第90页 |
| ·实验以及结果 | 第90-97页 |
| ·本章小结 | 第97-98页 |
| 第6章 总结 | 第98-101页 |
| ·论文的主要贡献 | 第98-99页 |
| ·进一步的研究方向 | 第99-101页 |
| 参考文献 | 第101-107页 |
| 致谢 | 第107-108页 |
| 在读期间发表的学术论文与取得的其他研究成果 | 第108-109页 |
