|
|
|
|
基于汉语元音映射的说话人识别技术研究 |
| |
| 论文目录 |
| |
| 摘要 | 第1-7页 | | ABSTRACT | 第7-9页 | | 目录 | 第9-13页 | | 第一章 绪论 | 第13-22页 | | ·引言 | 第13页 | | ·说话人识别技术的应用 | 第13-14页 | | ·说话人识别技术的特点和难点 | 第14-16页 | | ·说话人发音的不稳定性 | 第14-15页 | | ·声音的掩饰和模仿 | 第15页 | | ·采集设备与环境影响 | 第15-16页 | | ·国内外研究现状和发展方向 | 第16-18页 | | ·研究思路和创新点 | 第18-20页 | | ·研究思路 | 第18-19页 | | ·主要创新点 | 第19-20页 | | ·论文结构 | 第20-22页 | | 第二章 说话人识别相关技术 | 第22-37页 | | ·引言 | 第22页 | | ·说话人识别原理 | 第22-25页 | | ·说话人识别的分类 | 第22-23页 | | ·说话人识别系统结构 | 第23-24页 | | ·说话人识别系统性能的评价 | 第24-25页 | | ·语音的产生和感知 | 第25-26页 | | ·语音的产生 | 第25-26页 | | ·语音的感知 | 第26页 | | ·语音特征参数的提取 | 第26-29页 | | ·基音周期 | 第27页 | | ·线性预测倒谱系数 | 第27-28页 | | ·美尔频率标度倒谱系数 | 第28-29页 | | ·说话人识别模型 | 第29-36页 | | ·K-最近邻方法 | 第30-31页 | | ·矢量量化 | 第31-32页 | | ·高斯混合模型 | 第32-33页 | | ·人工神经网络 | 第33-36页 | | ·本章小结 | 第36-37页 | | 第三章 汉语元音映射技术 | 第37-47页 | | ·引言 | 第37页 | | ·汉语音节结构和韵母声学特征 | 第37-39页 | | ·汉语语音基本特征 | 第37-38页 | | ·韵母分析 | 第38-39页 | | ·汉语元音特征映射技术 | 第39-45页 | | ·基于汉语元音映射的说话人识别框架 | 第45-46页 | | ·本章小结 | 第46-47页 | | 第四章 基于元音映射说话人识别中的预处理技术 | 第47-62页 | | ·引言 | 第47页 | | ·基于频域能量分布分析的元音帧提取算法 | 第47-54页 | | ·理论和算法 | 第48-51页 | | ·含有MEL标度映射的频域能量分析方法 | 第48-49页 | | ·基于能量和过零率的元音帧提取 | 第49-50页 | | ·阈值的自适应策略 | 第50页 | | ·算法步骤 | 第50-51页 | | ·实验结果与数据分析 | 第51-54页 | | ·单字音中的元音帧提取实验 | 第51-53页 | | ·连续语音中的元音帧提取实验 | 第53-54页 | | ·基于线性预测残差倒谱的基音检测算法 | 第54-60页 | | ·算法描述 | 第54-58页 | | ·倒谱法 | 第54-55页 | | ·线性预测残差 | 第55-56页 | | ·谐波积谱原理 | 第56-57页 | | ·CBHPS算法 | 第57-58页 | | ·实验和分析 | 第58-60页 | | ·本章小结 | 第60-62页 | | 第五章 基于汉语元音映射的说话人识别模型 | 第62-85页 | | ·引言 | 第62-63页 | | ·基于分类特征的矢量量化说话人识别研究 | 第63-70页 | | ·矢量量化说话人识别原理 | 第63-67页 | | ·特征参数的选取 | 第64-65页 | | ·汉语元音特征的分类与识别 | 第65-66页 | | ·矢量量化技术 | 第66-67页 | | ·实验结果与数据分析 | 第67-70页 | | ·矢量量化码本比较实验 | 第67-68页 | | ·识别结果与分析 | 第68-70页 | | ·基于仿生模式识别的说话人识别方法 | 第70-77页 | | ·基于仿生模式识别的识别算法 | 第70-74页 | | ·仿生模式识别理论 | 第70-71页 | | ·改进的最近邻覆盖算法 | 第71-72页 | | ·识别算法 | 第72-73页 | | ·基于分层采样的KNN算法 | 第73-74页 | | ·实验数据与分析 | 第74-77页 | | ·算法性能实验 | 第74-76页 | | ·针对连续语音的实验结果 | 第76-77页 | | ·基于环域的分层采样算法实验 | 第77页 | | ·基于神经网络集成的说话人识别算法 | 第77-83页 | | ·基于单元音分类的神经网络集成 | 第78-80页 | | ·研究动机 | 第78-79页 | | ·系统结构和集成策略 | 第79-80页 | | ·神经网络的训练方法 | 第80页 | | ·仿真实验与数据分析 | 第80-83页 | | ·针对单元音发音的实验结果 | 第81页 | | ·针对连续语音的实验结果 | 第81-82页 | | ·集成方法的对比 | 第82-83页 | | ·本章小结 | 第83-85页 | | 第六章 说话人识别系统中的噪声处理技术 | 第85-99页 | | ·引言 | 第85-86页 | | ·基于加权特征补偿变换的鲁棒性说话人识别方法 | 第86-92页 | | ·加权特征补偿变换分析 | 第86-88页 | | ·帧信噪比与加权因子 | 第86-87页 | | ·加权特征补偿变换的提出 | 第87-88页 | | ·鲁棒说话人识别仿真系统 | 第88-89页 | | ·预处理和特征提取 | 第88-89页 | | ·高斯混合模型的建立与识别 | 第89页 | | ·仿真实验与结果分析 | 第89-92页 | | ·仿真系统语音库 | 第89页 | | ·加权因子仿真实验 | 第89-90页 | | ·基于加权特征补偿变换的说话人识别方法的仿真研究 | 第90-92页 | | ·基于背景噪声模型估计的自适应说话人识别技术 | 第92-98页 | | ·语音帧/非语音帧的提取 | 第93页 | | ·背景噪声模型估计和说话人特征提取 | 第93-95页 | | ·说话人识别系统 | 第95-96页 | | ·预处理和特征提取 | 第95-96页 | | ·高斯混合模型的建立与识别 | 第96页 | | ·仿真实验与结果分析 | 第96-98页 | | ·仿真系统语音库 | 第96页 | | ·基于背景噪声模型估计的自适应说话人识别技术的仿真研究 | 第96-98页 | | ·小结 | 第98-99页 | | 结束语 | 第99-101页 | | 参考文献 | 第101-111页 | | 致谢 | 第111-112页 | | 附录 | 第112-113页 |
|
|
|
|
论文编号BS1383041，这篇论文共113页
会员购买按0.35元/页下载，共需支付39.55元。 直接购买按0.5元/页下载，共需要支付56.5元 。 |
 |
 |
我还不是会员，注册会员！
会员下载更优惠!充值送钱！ |
我只需要这篇，无需注册！
直接网上支付，方便快捷！ |
|
|
|
版权申明：本目录由www.jylw.com网站制作，本站并未收录原文，如果您是作者，需要删除本篇论文目录请通过QQ或其它联系方式告知我们，我们承诺24小时内删除。 |
|
|
广告服务