基于FPGA的嵌入式系统说话人识别算法的研究与实现
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-14页 |
| ·说话人识别研究的背景及意义 | 第7-8页 |
| ·说话人识别研究的现状 | 第8页 |
| ·说话人识别研究的内容 | 第8-12页 |
| ·说话人识别的系统结构 | 第9页 |
| ·说话人识别分类及其优缺点 | 第9-10页 |
| ·说话人识别需要解决的问题 | 第10-11页 |
| ·说话人识别系统的性能评价 | 第11-12页 |
| ·说话人识别研究的技术难点 | 第12页 |
| ·论文的主要内容和章节安排 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 2 语音信号的时域处理和特征参数提取 | 第14-23页 |
| ·语音信号的时域处理 | 第14-18页 |
| ·语音采样 | 第14-15页 |
| ·预加重 | 第15页 |
| ·加窗 | 第15-16页 |
| ·短时能量 | 第16页 |
| ·短时平均过零率 | 第16-18页 |
| ·端点检测 | 第18页 |
| ·特征参数提取 | 第18-22页 |
| ·线性预测系数（LPC） | 第19-21页 |
| ·线性预测倒谱系数（LPCC） | 第21页 |
| ·Mel 频率倒谱系数（MFCC） | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 3 主流模式匹配方法 | 第23-36页 |
| ·动态时间弯折算法 | 第23-24页 |
| ·隐马尔可夫模型 | 第24-28页 |
| ·隐马尔可夫模型的数学描述 | 第25页 |
| ·HMM 基本算法 | 第25-28页 |
| ·人工神经网络 | 第28-30页 |
| ·神经元的基本结构 | 第28-29页 |
| ·神经网络的学习方式 | 第29页 |
| ·前向网络 | 第29-30页 |
| ·矢量量化算法 | 第30-35页 |
| ·矢量量化的基本原理 | 第30-31页 |
| ·矢量量化的一般方法 | 第31-32页 |
| ·矢量量化的失真测度 | 第32-33页 |
| ·码本设计 | 第33-35页 |
| ·本章小结 | 第35-36页 |
| 4 基于FPGA 的嵌入式说话人识别系统硬件平台 | 第36-43页 |
| ·SOPC 设计技术简介和说话人识别系统硬件结构 | 第36-38页 |
| ·语音芯片的配置与采集 | 第38-40页 |
| ·PS/2 键盘接口模块 | 第40-41页 |
| ·适应度计算模块 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 基于嵌入式系统的说话人识别算法实现 | 第43-59页 |
| ·语音数据的采集 | 第43-44页 |
| ·端点检测 | 第44-45页 |
| ·MFCC 特征参数提取和算法优化 | 第45-47页 |
| ·MFCC 特征参数提取 | 第45-46页 |
| ·算法优化 | 第46-47页 |
| ·基于遗传算法码书生成算法实现 | 第47-52页 |
| ·编码与解码 | 第49页 |
| ·适应度计算与择优遗传 | 第49-50页 |
| ·交叉 | 第50页 |
| ·变异 | 第50页 |
| ·K-均值聚类与加速 | 第50-52页 |
| ·码书数据的保存 | 第52-53页 |
| ·基于VQ 的识别过程 | 第53-55页 |
| ·失真测度 | 第53-54页 |
| ·分段距离均值法 | 第54页 |
| ·硬件加速 | 第54-55页 |
| ·判决 | 第55页 |
| ·实验及结果 | 第55-58页 |
| ·系统识别率和拒绝率测试 | 第55页 |
| ·不同特征参数对系统识别率的影响 | 第55-56页 |
| ·算法软硬件优化对速度的影响 | 第56页 |
| ·不同失真距离算法对结果的影响 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 6 结论与展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 附录：作者在攻读硕士学位期间发表的论文目录 | 第64页 |
