魯棒性說(shuō)話人識(shí)別技術(shù)：在移動(dòng)商務(wù)中的應(yīng)用研究

第一章 緒論
第一節(jié) 說(shuō)話人識(shí)別概述
一、背景及意義
二、說(shuō)話人識(shí)別基本原理
第二節(jié) 說(shuō)話人識(shí)別系統(tǒng)的研究與發(fā)展
第三節(jié) 說(shuō)話人識(shí)別中的特征提取與分析
第四節(jié) 說(shuō)話人識(shí)別中的識(shí)別方法
一、模板匹配法
二、統(tǒng)計(jì)概率模型法
三、人工神經(jīng)網(wǎng)絡(luò)
四、支持向量機(jī)法
第五節(jié) 性能評(píng)價(jià)
第六節(jié) 研究現(xiàn)狀和難點(diǎn)
一、特征變換
二、魯棒性說(shuō)話人識(shí)別
第七節(jié) 研究工作概述與安排
一、工作內(nèi)容
二、全書的組織結(jié)構(gòu)
第二章 基于嵌入變換的多步聚類變換算法的說(shuō)話人辨認(rèn)
第一節(jié) 引言
第二節(jié) 基于高斯混合模型的說(shuō)話人辨認(rèn)
一、說(shuō)話人辨認(rèn)系統(tǒng)
二、高斯混合說(shuō)話人模型
三、前端處理
四、MFCC參數(shù)
第三節(jié) 基于嵌入變換的對(duì)角方差高斯混合模型
一、嵌入變換的對(duì)角方差高斯混合模型參數(shù)
二、最大似然估計(jì)的EM算法
第四節(jié) 基于對(duì)角方差矩陣的多步聚類EM算法
一、基于對(duì)角方差矩陣的聚類EM算法
二、多步聚類算法及其步驟
第五節(jié) 實(shí)驗(yàn)語(yǔ)音庫(kù)
第六節(jié) 實(shí)驗(yàn)操作
一、最小描述長(zhǎng)度（MDL）比較實(shí)驗(yàn)
二、多步聚類說(shuō)話人辨認(rèn)實(shí)驗(yàn)
第七節(jié) 結(jié)論
第三章 基于加權(quán)特征補(bǔ)償變換的魯棒性說(shuō)話人辨認(rèn)
第一節(jié) 引言
第二節(jié) 前端處理
一、語(yǔ)音檢測(cè)
二、噪聲譜估計(jì)
三、譜減
四、幀信噪比與加權(quán)因子
第三節(jié) 加權(quán)特征補(bǔ)償變換算法
一、加權(quán)算法
二、對(duì)幀似然概率的歸一化補(bǔ)償變換
三、加權(quán)特征補(bǔ)償變換的提出
第四節(jié) 魯棒說(shuō)話人識(shí)別仿真系統(tǒng)
一、預(yù)處理和特征提取
二、高斯混合模型的建立與識(shí)別
第五節(jié) 仿真實(shí)驗(yàn)與結(jié)果分析
一、仿真系統(tǒng)語(yǔ)音庫(kù)
二、加權(quán)因子仿真實(shí)驗(yàn)
三、基于加權(quán)特征補(bǔ)償變換的說(shuō)話人識(shí)別方法的仿真研究
第六節(jié) 結(jié)論
第四章 基于自適應(yīng)直方圖均衡化的魯棒性說(shuō)話人辨認(rèn)研究
第一節(jié) 引言
第二節(jié) 直方圖均衡化
一、直方圖均衡化原理
二、分位差直方圖均衡化法
三、數(shù)據(jù)擬合直方圖均衡化
第三節(jié) 改進(jìn)的自適應(yīng)直方圖均衡化
一、問(wèn)題的提出
二、自適應(yīng)直方圖均衡化方法
第四節(jié) 魯棒說(shuō)話人辨認(rèn)實(shí)驗(yàn)的建立
第五節(jié) 實(shí)驗(yàn)與結(jié)果分析
一、變換性能實(shí)驗(yàn)
二、效率比較實(shí)驗(yàn)
三、識(shí)別性能比較實(shí)驗(yàn)
第六節(jié) 結(jié)論
第五章 總結(jié)與展望
第一節(jié) 本研究工作總結(jié)
第二節(jié) 研究展望
參考文獻(xiàn)