摘要 | 第4-6页 |
Abstract | 第6-8页 |
第1章 绪论 | 第15-25页 |
1.1 研究目的和意义 | 第15-16页 |
1.2 国内外研究现状 | 第16-22页 |
1.2.1 特征规整 | 第16-17页 |
1.2.2 基于统计特性的鲁棒特征 | 第17-19页 |
1.2.3 基于听觉机理的鲁棒特征 | 第19-21页 |
1.2.4 目前方法存在的问题 | 第21-22页 |
1.3 课题来源与主要研究内容 | 第22-25页 |
1.3.1 课题来源 | 第22页 |
1.3.2 主要研究内容 | 第22-25页 |
第2章 听觉机理分析与说话人识别验证系统 | 第25-42页 |
2.1 引言 | 第25-26页 |
2.2 听觉机理 | 第26-32页 |
2.2.1 耳蜗机理 | 第27-29页 |
2.2.2 听觉中枢 | 第29-32页 |
2.3 仿真听觉编码方式的稀疏表示 | 第32-35页 |
2.3.1 分解算法 | 第32-33页 |
2.3.2 基的构造方法 | 第33-35页 |
2.4 说话人识别验证系统 | 第35-41页 |
2.4.1 语音特征 | 第36-38页 |
2.4.2 验证系统 | 第38-39页 |
2.4.3 评价指标 | 第39-40页 |
2.4.4 系统设置和语料库 | 第40-41页 |
2.5 本章小结 | 第41-42页 |
第3章 基于耳蜗非线性处理机制的鲁棒特征提取方法 | 第42-61页 |
3.1 引言 | 第42-43页 |
3.2 基于耳蜗非线性处理机制的鲁棒特征提取 | 第43-52页 |
3.2.1 Gammatone滤波器的缺陷分析 | 第44-45页 |
3.2.2 基于基底膜响应特性的滤波器组设计 | 第45-48页 |
3.2.3 基于神经纤维发放特性的变换函数 | 第48-50页 |
3.2.4 基于覆膜的选择性增益函数 | 第50-52页 |
3.3 特征评估 | 第52-56页 |
3.4 实验结果与分析 | 第56-60页 |
3.5 本章小结 | 第60-61页 |
第4章 仿真听觉中枢编码方式的鲁棒特征提取方法及应用 | 第61-79页 |
4.1 引言 | 第61-62页 |
4.2 语音信号的神经表示与稀疏表示间的关系 | 第62-64页 |
4.3 基于听觉中枢编码方式的鲁棒特征提取方法 | 第64-71页 |
4.3.1 仿真听觉编码方式下的语音字典优化 | 第65-70页 |
4.3.2 基于听觉中枢编码方式的语音特征 | 第70-71页 |
4.4 SBC特征在说话人识别中的应用 | 第71-74页 |
4.4.1 基于SBC特征的说话人模型 | 第73-74页 |
4.4.2 判决机制 | 第74页 |
4.5 实验结果与分析 | 第74-78页 |
4.6 本章小结 | 第78-79页 |
第5章 基于听觉声源分离机制的鲁棒特征提取及应用 | 第79-102页 |
5.1 引言 | 第79-81页 |
5.2 基于听觉声源分离机制的鲁棒特征提取 | 第81-95页 |
5.2.1 仿真听觉声源分离机制下的学习字典性能分析 | 第81-84页 |
5.2.2 仿真听觉声源分离机制下的联合字典优化算法 | 第84-89页 |
5.2.3 优化算法收敛性分析 | 第89-94页 |
5.2.4 基于听觉声源分离的特征提取 | 第94-95页 |
5.3 稀疏谱特征在说话人识别中的应用 | 第95-97页 |
5.3.1 基于混合k-means的说话人模型 | 第95-97页 |
5.3.2 距离散度打分算法 | 第97页 |
5.4 实验与分析 | 第97-101页 |
5.5 本章小结 | 第101-102页 |
第6章 基于听觉机理的鲁棒特征提取框架及应用 | 第102-124页 |
6.1 引言 | 第102-103页 |
6.2 基于听觉机理的鲁棒特征提取框架 | 第103-104页 |
6.3 基于听觉机理的特征提取 | 第104-107页 |
6.4 基于听觉声源分离的语音活动检测方法 | 第107-117页 |
6.4.1 基于听觉声源分离的语音特征 | 第108-112页 |
6.4.2 基于STAE特征的判决方法 | 第112-113页 |
6.4.3 语音活动检测的实验结果与分析 | 第113-117页 |
6.5 特征评估 | 第117-119页 |
6.6 实验结果与分析 | 第119-123页 |
6.7 本章小结 | 第123-124页 |
结论 | 第124-126页 |
参考文献 | 第126-135页 |
攻读博士学位期间发表的论文及其他成果 | 第135-137页 |
致谢 | 第137-138页 |
个人简历 | 第138页 |