基于mfcc特征和gmm模型的说话人识别系统研究

基于mfcc特征和gmm模型的说话人识别系统研究

ID:32405453

大小:4.31 MB

页数:65页

时间:2019-02-04

基于mfcc特征和gmm模型的说话人识别系统研究_第1页
基于mfcc特征和gmm模型的说话人识别系统研究_第2页
基于mfcc特征和gmm模型的说话人识别系统研究_第3页
基于mfcc特征和gmm模型的说话人识别系统研究_第4页
基于mfcc特征和gmm模型的说话人识别系统研究_第5页
资源描述:

《基于mfcc特征和gmm模型的说话人识别系统研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、ThestudyofspeakerrecognitionsystembasedOllMFCCfeatureandG删modelByZhouChunhuiB.E.(m山uiNormalUniversity)2009AthesissubmittedinpartialsmisfactionoftheRequirementsforthedegreeofMasterofEngineeringinSignalandInformationProcessingintheGraduateSchoolofLanzhouUmversi

2、tyofTeclmologySupervisorProfe$sorMay'2013兰州理工大学学位论文原创性声明和使用授权说明原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名:同名鼻\J1日期:加b年6月《日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论

3、文的规定,即:学校有权保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权兰州理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》,并通过网络向社会公众提供信息服务。作者签名:目羞喀剔程轹现采日期:DI;年6月g日日期:为/7年么月0日硕士学位论文目录摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.工Abstract⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

4、⋯⋯⋯II插图索引⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯Iv附表索引..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..V第1章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯11.1说话人识别研究背景与意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯l1.2说话人识别发展历史和研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..21.3论文工作的主要内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.5第2章说话人识别技术概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..72.1说话人识别系统基本组成⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯72.2说话人识别的分类⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯92.3说话人识别系

5、统的性能评价标准⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.102.4本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.11第3章说话人识别预处理与特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..123.1说话人识别预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..123.2说话人识别特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯153.3基于谱减法增强的MFCC特征参数提取⋯⋯⋯⋯⋯⋯⋯⋯..183.3.1基于谱减法的语音增强⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯183.3.2改进的谱减法⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.203.3.3基于谱减法增强的MFCC参数提取⋯⋯⋯⋯⋯⋯⋯⋯⋯203

6、.3.4基于谱减法增强的前端处理实验⋯⋯⋯⋯⋯⋯⋯⋯⋯.213.4混合加权MFCC与AMFCC的特征参数⋯⋯⋯⋯⋯⋯⋯⋯⋯.223.4.1MFCC的一阶差分倒谱系数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯223.4.2VQ系统下的改进特征参数加权⋯⋯⋯⋯⋯⋯⋯⋯⋯..223.4.3基于混合加权MFCC与AMFCC的实验⋯⋯⋯⋯⋯⋯⋯⋯.233.5本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.24第4章基于VQ的说话人识别系统研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.26基于MFCC特征和GMM模型的说话人识别系统研冤4.1VQ说话人识别系统基本结构

7、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..264.2矢量量化的基本原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯264.3VQ的失真测度⋯⋯⋯..⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯..284.4VQ码本设计的LBG算法..⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯284.4.1LBG算法实现⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯284.4.2初始码本的选定⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..294.5系统具体实现⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯304.5.1系统模型的训练与识别⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯304.6实验结果及其分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..324.6.1码本容量

8、对说话人识别系统性能的影响⋯⋯⋯⋯⋯⋯⋯.334.6.2不同训练和测试样本对说话人识别系统性能的影响⋯⋯⋯..344.7本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯35第5章基于GMM的说话人识别系统研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯365.1基于GMM的说话人识别系统的组成结构⋯⋯⋯⋯⋯⋯⋯⋯.365.2高斯混合模型GMM⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯.365.2.i高斯混合模型

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。