说话人识别模型与方法电子书

书名页

内容简介

版权页

前言

目录页

第一篇 绪论

第1章 背景与概述

1.1 研究背景及意义

1.2 研究进展与趋势

1.3 本书结构

参考文献

第2章 技术基础与理论

2.1 背景知识

2.2 说话人识别系统结构

2.3 特征提取

2.4 说话人识别模型

2.5 得分规整

2.6 系统性能评价

2.7 小结

参考文献

第3章 说话人识别语料库

3.1 常用语料库

3.2 面向移动互联环境的说话人识别语料库（SRMC）

3.3 电话语音库（PHONE）

3.4 多模态说话人识别库

3.5 NOISEX-92数据库

3.6 小结

参考文献

第二篇 特征提取

第4章 说话人特征分析与优化

4.1 特征性能分析

4.2 特征参数优化

4.3 特征组合

4.4 二次特征提取

4.5 小结

参考文献

第5章 基于主成分分析（PCA）的说话人特征变换

5.1 高维说话人特征的缺陷

5.2 说话人特征与PCA变换

5.3 PCA特征变换应用于说话人鉴别

5.4 局部PCA特征变换

5.5 全局PCA特征变换

5.6 基准系统、局部PCA变换与全局PCA变换的比较

5.7 小结

参考文献

第6章 基于线性判别分析（LDA）的说话人特征变换

6.1 LDA变换与PCA变换的联系与区别

6.2 LDA特征变换

6.3 基准系统、全局PCA变换与LDA变换的比较

6.4 小结

参考文献

第7章 基于轨线模型的说话人特征时序性发掘

7.1 基于段模型的说话人特征时序性发掘

7.2 基于TrendedHMM 的文本相关说话人识别

7.3 小结

参考文献

第三篇 识别模型

第8章 基于支持向量机的识别模型

8.1 研究意义

8.2 支持向量的区域描述

8.3 支持向量机的概率输出

8.4 基于向量量化（VQ）模型的核方法

8.5 基于GMM 模型的核方法

8.6 多SVM 混合模型

8.7 小结

参考文献

第9章 基于动态贝叶斯网络的识别模型

9.1 动态贝叶斯网络

9.2 基于动态贝叶斯网络（DBN）的说话人识别

9.3 小结

参考文献

第10章 基于主成分分析分类器的说话人识别

10.1 说话人分类常用算法的局限性

10.2 主成分分析分类原理

10.3 两种主成分分析分类器及其决策融合

10.4 主成分分析分类器应用于说话人鉴别

10.5 实验结果分析

10.6 复杂度分析

10.7 小结

参考文献

第四篇 信息融合

第11章 声门信息融合

11.1 基于声门特征的说话人识别研究现状

11.2 基于声门特征的倒谱补偿算法

11.3 基于声门特征的并行高斯混合模型

11.4 基于声门特征的倒谱平均减

11.5 小结

参考文献

第12章 人脸信息融合

12.1 多模态说话人识别研究

12.2 基于得分差加权和融合的双模态说话人识别

12.3 动态贝叶斯网络在多模态说话人鉴别上的应用

12.4 小结

参考文献

第五篇 应用展望

第13章 支持说话人识别研究与开发的开放式平台sONAR

13.1 SONAR平台架构

13.2 特征模块

13.3 模型模块

13.4 SONAR平台可扩展性

13.5 小结

参考文献

第14章 应用系统

14.1 声纹打卡系统

14.2 移动互联环境下的说话人识别系统

14.3 小结

参考文献

第15章 总结与展望

15.1 全书总结

15.2 工作展望

15.3 结语

参考文献