| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究的背景及意义 | 第10-11页 |
| 1.2 说话人识别的发展历史与现状 | 第11-12页 |
| 1.2.1 说话人识别的发展历史 | 第11-12页 |
| 1.2.2 说话人识别的现状 | 第12页 |
| 1.3 稀疏表示的发展历史与现状 | 第12-14页 |
| 1.4 研究内容与结构安排 | 第14-16页 |
| 2 说话人识别系统 | 第16-30页 |
| 2.1 说话人识别系统 | 第16-17页 |
| 2.2 语音的预处理 | 第17-18页 |
| 2.3 特征提取 | 第18-22页 |
| 2.3.1 线性预测倒谱系数 | 第18-19页 |
| 2.3.2 梅尔频率倒谱系数 | 第19-21页 |
| 2.3.3 差分向量系数 | 第21-22页 |
| 2.4 说话人识别模型 | 第22-29页 |
| 2.4.1 矢量量化模型（VQ） | 第22-23页 |
| 2.4.2 支持向量机模型（SVM） | 第23-25页 |
| 2.4.3 高斯混合模型（GMM） | 第25-27页 |
| 2.4.4 高斯通用背景模型（GMM-UBM） | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 3 基于稀疏表示与I-Fisher法的说话人识别 | 第30-47页 |
| 3.1 稀疏表示算法 | 第30-35页 |
| 3.1.1 MP算法 | 第32-33页 |
| 3.1.2 OMP算法 | 第33-34页 |
| 3.1.3 凸松弛算法 | 第34-35页 |
| 3.2 超向量字典 | 第35-36页 |
| 3.2.1 GMM均值超向量 | 第35-36页 |
| 3.2.2 核心均值超向量 | 第36页 |
| 3.3 基于I-Fisher法的字典优化 | 第36-39页 |
| 3.3.1 Fisher判别法降维 | 第37-38页 |
| 3.3.2 基于抗噪性的改进 | 第38-39页 |
| 3.4 基于稀疏表示的说话人识别 | 第39-40页 |
| 3.4.1 稀疏表示的分类识别 | 第39-40页 |
| 3.4.2 识别系统的设计 | 第40页 |
| 3.5 性能评价指标 | 第40-41页 |
| 3.6 实验数据设置及结果 | 第41-46页 |
| 3.6.1 实验一：核心均值超向量对识别性能的影响 | 第41-42页 |
| 3.6.2 实验二：不同混合度的识别性能 | 第42-43页 |
| 3.6.3 实验三：I-Fisher法降维字典的识别性能 | 第43-44页 |
| 3.6.4 实验四：不同模型的等错误率对比 | 第44-45页 |
| 3.6.5 实验五：噪声环境下不同模型的识别性能 | 第45-46页 |
| 3.7 本章小结 | 第46-47页 |
| 4 基于稀疏表示与噪声字典的说话人识别 | 第47-59页 |
| 4.1 MCA形态成分分析法 | 第47-52页 |
| 4.1.1 MCA分析原理 | 第47-48页 |
| 4.1.2 MCA的稀疏表示算法 | 第48-51页 |
| 4.1.3 原理证明 | 第51-52页 |
| 4.2 字典学习 | 第52-54页 |
| 4.2.1 K-SVD算法 | 第52-53页 |
| 4.2.2 近似K-SVD算法 | 第53-54页 |
| 4.3 噪声字典的设计 | 第54-55页 |
| 4.4 识别系统的设计 | 第55-56页 |
| 4.5 实验数据设置及结果 | 第56-58页 |
| 4.5.1 实验一：噪声环境下不同模型的识别性能 | 第57页 |
| 4.5.2 实验二：本文所提出的识别模型的对比 | 第57-58页 |
| 4.6 本章小结 | 第58-59页 |
| 结论 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 攻读学位期间的研究成果 | 第65页 |