首页> 中文学位 >基于特征模糊度分析的说话人识别
【6h】

基于特征模糊度分析的说话人识别

代理获取

目录

文摘

英文文摘

南京邮电学院学位论文独创性声明及使用授权声明

前言

第一章说话人识别

1.1语音信号处理概述

1.2说话人识别

1.2.1说话人识别概述

1.2.2说话人识别的分类

1.2.3说话人识别的方法和系统结构

1.2.4说话人识别的关键问题

1.3本论文的工作

第二章语音信号的特征提取与选择

2.1语音信号的预处理

2.2时域特征

2.2.1短时能量

2.2.2短时平均幅度

2.2.3平均过零率

2.2.4短时自相关函数

2.2.5短时平均幅度差函数

2.3频域特征

2.3.1子带能量比

2.3.2亮度

2.3.3带宽

2.3.4音调

2.3.5 MFCC系数

2.4线性预测参数

2.5小波变换

2.5.1短时傅里叶分析

2.5.2小波变换

2.5.3离散小波变换

2.5.4多分辨率分析

2.5.4小波分析在语音信号处理中的应用

2.6特征的选择和评价

2.6.1特征的选择

2.6.2特征的评价

第三章分类器的设计

3.1矢量量化技术

3.1.1矢量量化技术简介

3.1.2矢量量化在说话人识别中的应用

3.2隐马尔可夫模型

3.2.1 Markov链

3.2.2 HMM基本概念

3.2.3 HMM用于说话人识别

3.3人工神经网络

3.3.1神经网络的特点及分类

3.3.2 BP神经网络

3.3.3神经网络用于说话人识别

第四章模糊理论在说话人识别中的应用

4.1模糊理论简介

4.2模糊集和隶属度

4.3模糊理论用于说话人识别

4.4特征的模糊评价

4.4.1模糊程度的度量

4.4.2特征的模糊评价

第五章实验系统设计及实验结果分析

5.1实验系统结构和模块

5.1.1系统结构

5.1.2系统模块

5.2实验系统主要界面

5.3候选特征集的组成和小波特征计算

5.4实验结果和分析

5.5进一步的工作

参考文献

致谢

展开▼

摘要

说本文设计了一个与文本无关的说话人识别系统。将模糊逻辑中的模糊度概念引入到系统中,以模糊度作为选择说话人特征的标准。实验结果表明,按此方法选择出的特征能取得比一般文献中常用的特征更好的识别效果。此外,本文还利用近年流行的小波变换,对语音信号进行分析,以不同阶小波系数短时平均幅度比和高阶小波系数的近似过零率作为说话人识别的特征,模糊度分析和实验结果表明,这些特征具有很好的区分度。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号