基于配位信息的语种识别技术研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景和意义 | 第12页 |
| 1.2 语种识别技术简介 | 第12-15页 |
| 1.3 语种识别技术的研究现状 | 第15-19页 |
| 1.3.1 基于有监督语种识别技术 | 第15-17页 |
| 1.3.2 基于无监督信息的语种识别技术 | 第17-19页 |
| 1.4 研究内容和结构安排 | 第19-22页 |
| 第二章 基于GMM-UBM的语种识别系统 | 第22-29页 |
| 2.1 语种识别特征 | 第22-25页 |
| 2.1.1 梅尔倒谱系数 | 第22-24页 |
| 2.1.2 移动差分倒谱 | 第24页 |
| 2.1.3 鲁棒性处理 | 第24-25页 |
| 2.2 GMM-UBM模型 | 第25-27页 |
| 2.2.1 通用背景模型 | 第25-26页 |
| 2.2.2 自适应GMM模型 | 第26-27页 |
| 2.3 实验结果及分析 | 第27-28页 |
| 2.3.1 实验配置 | 第27页 |
| 2.3.2 实验结果 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于各态历经隐马尔可夫模型的语种识别方法 | 第29-35页 |
| 3.1 隐马尔可夫模型 | 第29-30页 |
| 3.2 各态历经隐马尔可夫模型 | 第30-32页 |
| 3.2.1 模型参数 | 第30页 |
| 3.2.2 Viterbi似然度 | 第30-31页 |
| 3.2.3 模型训练 | 第31-32页 |
| 3.2.4 基于EHMM的语种识别系统 | 第32页 |
| 3.3 实验结果及分析 | 第32-33页 |
| 3.3.1 实验配置 | 第32-33页 |
| 3.3.2 实验结果 | 第33页 |
| 3.4 本章小结 | 第33-35页 |
| 第四章 无监督声学单元发现方法 | 第35-46页 |
| 4.1 无监声学单元发现 | 第35-36页 |
| 4.2 基于GMM的声学单元发现 | 第36-39页 |
| 4.2.1 模型建立 | 第36-38页 |
| 4.2.2 获取后验概率特征 | 第38-39页 |
| 4.3 基于非参贝叶斯模型的声学单元发现 | 第39-45页 |
| 4.3.1 模型建立 | 第41-44页 |
| 4.3.2 获取后验概率特征矢量 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 基于声学单元发现的语种识别方法 | 第46-54页 |
| 5.1 N-gram联合后验概率统计 | 第46-49页 |
| 5.1.1 语音分段 | 第47页 |
| 5.1.2 联合后验概率 | 第47-49页 |
| 5.2 i-Vector | 第49-50页 |
| 5.3 SVM | 第50-51页 |
| 5.4 实验结果及分析 | 第51-52页 |
| 5.4.1 实验配置 | 第51页 |
| 5.4.2 实验结果 | 第51-52页 |
| 5.5 本章小结 | 第52-54页 |
| 第六章 总结 | 第54-56页 |
| 6.1 论文工作总结 | 第54-55页 |
| 6.2 前景与展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 作者简历 | 第62页 |
