| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第6-11页 |
| 1.1 说话人识别的意义及应用 | 第6-7页 |
| 1.2 说话人识别发展现状 | 第7-9页 |
| 1.3 论文的主要工作及章节安排 | 第9-11页 |
| 第二章 说话人识别算法的基本原理 | 第11-28页 |
| 2.1 说话人识别的算法介绍 | 第11页 |
| 2.2 语音信号预处理 | 第11-15页 |
| 2.2.1 预加重 | 第11-12页 |
| 2.2.2 分帧加窗 | 第12-14页 |
| 2.2.3 端点检测 | 第14-15页 |
| 2.3 说话人特征参数提取 | 第15-20页 |
| 2.3.1 线性预测系数(LPC) | 第16-17页 |
| 2.3.2 线性预测倒谱系数(LPCC) | 第17页 |
| 2.3.3 梅尔频率倒谱系数(MFCC) | 第17-19页 |
| 2.3.4 感知线性预测倒谱系数(PLPC) | 第19-20页 |
| 2.4 传统的说话人识别算法 | 第20-27页 |
| 2.4.1 矢量量化法(VQ) | 第20-21页 |
| 2.4.2 隐马尔科夫模型(HMM) | 第21-24页 |
| 2.4.3 高斯混合模型 | 第24-26页 |
| 2.4.4 基于GMM-UBM的说话人识别 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 噪声环境下的说话人识别研究 | 第28-36页 |
| 3.1 噪声环境下研究说话人识别的意义 | 第28页 |
| 3.2 语音去噪技术的研究现状 | 第28-30页 |
| 3.3 语音去噪的方法 | 第30-35页 |
| 3.3.1 谱减法 | 第30-31页 |
| 3.3.2 维纳滤波法 | 第31页 |
| 3.3.3 非负矩阵分解法 | 第31-32页 |
| 3.3.4 深度信念网络模型 | 第32-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于改进i-vector的说话人识别 | 第36-40页 |
| 4.1 i-vector基本原理 | 第36-37页 |
| 4.2 i-vector识别过程 | 第37-38页 |
| 4.3 全差异空间T的构建 | 第38页 |
| 4.4 cosine distance打分及系统性能评价 | 第38页 |
| 4.5 基于改进的i-vector算法研究 | 第38-39页 |
| 4.6 本章小结 | 第39-40页 |
| 第五章 KALDI平台下系统的仿真与分析 | 第40-49页 |
| 5.1 KALDI语音工具简介 | 第40页 |
| 5.2 搭建KALDI实验平台 | 第40-44页 |
| 5.3 系统参数研究 | 第44-46页 |
| 5.4 噪声影响研究 | 第46-47页 |
| 5.5 仿真结果分析 | 第47-48页 |
| 5.6 本章小结 | 第48-49页 |
| 第六章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 攻读学位期间发表的学术论文 | 第55-56页 |
| 致谢 | 第56-57页 |