中南林業(yè)科技大學(xué)計(jì)算機(jī)與信息工程學(xué)院 房安棟 劉軍萬(wàn)

1.引言

說(shuō)話(huà)人聲紋識(shí)別可以看作是語(yǔ)音識(shí)別的一種。它和語(yǔ)音識(shí)別一樣，都是通過(guò)對(duì)所收到的語(yǔ)音信號(hào)進(jìn)行處理，提取相應(yīng)的特征或建立相應(yīng)的模型，然后據(jù)此作出判斷。而區(qū)別在于它并不注意語(yǔ)言信號(hào)中的語(yǔ)義內(nèi)容，而是希望從語(yǔ)音信號(hào)中提取出人的特征。從這點(diǎn)上說(shuō)，說(shuō)話(huà)人聲紋識(shí)別是企求挖掘出包含在語(yǔ)音信號(hào)中的個(gè)性因數(shù)，而語(yǔ)音識(shí)別是企求從不同人的詞語(yǔ)信號(hào)中尋找相同因素。在處理方法上，說(shuō)話(huà)人聲紋識(shí)別力圖強(qiáng)調(diào)不同人之間的差別，而語(yǔ)音識(shí)別則力圖對(duì)不同人說(shuō)話(huà)的差別加以歸一化。世界范圍內(nèi)，聲紋識(shí)別技術(shù)正廣泛應(yīng)用于諸多領(lǐng)域。截止到去年年初，聲紋識(shí)別產(chǎn)品的市場(chǎng)占有率為15.8%，僅次于指紋識(shí)別和掌形識(shí)別。

現(xiàn)有文獻(xiàn)中用于說(shuō)話(huà)人識(shí)別的特征許多是建立在短時(shí)頻譜基礎(chǔ)上。它們主要有Mel頻率倒譜系數(shù)（MFCC），LPC倒譜系數(shù)，差值倒譜等。在聲紋識(shí)別技術(shù)中，目前研究最多的方法有：模板匹配法、概率模型法和人工神經(jīng)網(wǎng)絡(luò)法。Soong等人將矢量量化技術(shù)用于與文本無(wú)關(guān)的說(shuō)話(huà)人是被系統(tǒng)。Rosenberg等人利用子詞單元構(gòu)成的隱馬爾科夫模型(HMM)，建立了一個(gè)說(shuō)話(huà)人確認(rèn)系統(tǒng)。Delesby等人利用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)方法進(jìn)行說(shuō)話(huà)人識(shí)別[1]。我國(guó)的北京大學(xué)以遲惠生為領(lǐng)導(dǎo)的說(shuō)話(huà)人識(shí)別研究團(tuán)體、清華大學(xué)以楊行峻為領(lǐng)導(dǎo)的研究團(tuán)體以及中國(guó)科學(xué)院聲學(xué)所和東南大學(xué)也在這個(gè)方面取得了非常優(yōu)秀的科研成果.從國(guó)內(nèi)外文獻(xiàn)看來(lái)，有的著重距離測(cè)度，但是大多數(shù)向幾種方法如HMM、GMM和ANN混合的方向發(fā)展。

2.聲紋識(shí)別的基本原理及相關(guān)算法

2.1 基本原理

聲紋識(shí)別的基本原理如圖1所示，主要包括兩個(gè)階段，即訓(xùn)練和識(shí)別階段。

訓(xùn)練階段，系統(tǒng)的每個(gè)使用者說(shuō)出若干訓(xùn)練語(yǔ)句，系統(tǒng)據(jù)此建立每個(gè)使用者的模板或模型參數(shù)。識(shí)別階段，由待識(shí)人說(shuō)的語(yǔ)音經(jīng)特征提取后與系統(tǒng)訓(xùn)練時(shí)產(chǎn)生的模板或模型參數(shù)進(jìn)行比較。在主說(shuō)話(huà)人的辨認(rèn)中，取與測(cè)試音匹配距離最小的說(shuō)話(huà)人模型所對(duì)應(yīng)的說(shuō)話(huà)人作為識(shí)別結(jié)果；在說(shuō)話(huà)人確認(rèn)中，則通過(guò)判斷測(cè)試音與所聲稱(chēng)的說(shuō)話(huà)人的模型的匹配距離是否小于一定閉值做出判斷。

2.2 語(yǔ)音信號(hào)的預(yù)處理

在語(yǔ)音信號(hào)特征提取之前，首先要進(jìn)行的一個(gè)環(huán)節(jié)就是對(duì)輸入語(yǔ)音信號(hào)的預(yù)處理，主要包括預(yù)濾波、預(yù)加重、加窗分幀以及語(yǔ)音端點(diǎn)檢測(cè)等過(guò)程。本文就以涉及到的預(yù)濾波進(jìn)行描述，預(yù)濾波在本文中是通過(guò)小波濾波器組來(lái)實(shí)現(xiàn)。預(yù)濾波器必須是一個(gè)帶通濾波器，其上、下截止頻率分別是對(duì)于絕大多數(shù)語(yǔ)音處理中，采樣率

圖1 聲紋識(shí)別系統(tǒng)一般原理圖（虛線(xiàn)內(nèi)為可選部分）

2.3 聲紋特征提取

2.3.1 概述

提取說(shuō)話(huà)人特征就是把原來(lái)語(yǔ)音中的冗余信息去掉，找到我們關(guān)注的語(yǔ)音特征信息，是一個(gè)減小數(shù)據(jù)量的過(guò)程。從說(shuō)話(huà)人語(yǔ)音信號(hào)中提取的特征參數(shù)應(yīng)滿(mǎn)足以下準(zhǔn)則：對(duì)外部條件具有魯棒性（如：說(shuō)話(huà)人的健康狀況和情緒，方言和別人模仿等）；能夠長(zhǎng)期地保持穩(wěn)定；易于從語(yǔ)音信號(hào)中進(jìn)行提?。慌c其他特征不相關(guān)。

2.3.2 典型聲紋特征參數(shù)提取算法

聲紋特征參數(shù)主要有以下幾種：基音周期、短時(shí)過(guò)零率、線(xiàn)性預(yù)測(cè)（LPC)、線(xiàn)性預(yù)測(cè)倒譜系數(shù)（LPCC)、Mel頻率倒譜系數(shù)(MFCC)、以及經(jīng)過(guò)噪聲譜減或者信道譜減的去噪倒譜系數(shù)等，每一種特征參數(shù)都有其相應(yīng)的提取算法。在聲紋特征提取這一點(diǎn)，本文將采用基音周期和Mel頻率倒譜混合的參數(shù)作為特征參數(shù)。

2.3.2.1 線(xiàn)性預(yù)測(cè)（LPC）方法

語(yǔ)音線(xiàn)性預(yù)測(cè)的基本思想是：利用過(guò)去的樣值對(duì)新樣值進(jìn)行預(yù)測(cè)，然后將樣值的實(shí)際值與其預(yù)測(cè)值相減得到一個(gè)誤差信號(hào)，顯然誤差信號(hào)的動(dòng)態(tài)范圍遠(yuǎn)小于原始語(yǔ)音信號(hào)的動(dòng)態(tài)范圍，對(duì)誤差信號(hào)進(jìn)行量化編碼而達(dá)到最小，可以確定唯一的一組線(xiàn)性預(yù)測(cè)系數(shù)。目前主流算法有Durbin遞推算法、Levinson遞推算法、舒爾（schur）算法和個(gè)性算法[2][3]。由于LPC分析是基于全極點(diǎn)模型的假設(shè)，所以它對(duì)于聲道響應(yīng)含有零點(diǎn)的清音和濁音和鼻音描述不確切。

2.3.2.2 線(xiàn)性預(yù)測(cè)倒譜系數(shù)（LPCC）

倒譜特征是用于說(shuō)話(huà)人個(gè)性特征和說(shuō)話(huà)識(shí)別人識(shí)別的最有效的特征之一。語(yǔ)音信號(hào)是聲道頻率特性和激勵(lì)源信號(hào)源兩者共同卷積的結(jié)果，后者對(duì)于某幀而言常帶有一定的隨機(jī)性，而說(shuō)話(huà)人的個(gè)性特征很大程度上取決于說(shuō)話(huà)人的發(fā)音聲道，因此要將此二者進(jìn)行有效的分離，可以通過(guò)對(duì)信號(hào)做適當(dāng)?shù)耐瑧B(tài)濾波，將相卷積的兩個(gè)部分分離。濾波的關(guān)鍵是先將卷積處理化為乘積，然后做對(duì)數(shù)處理，使之化為可分離的相加成分。線(xiàn)性預(yù)測(cè)倒譜系數(shù)可由LPC特征進(jìn)行推導(dǎo)，基于LPC系數(shù)分析得倒譜存在一種非常簡(jiǎn)單有效的遞推求解方法。LPCC參數(shù)比較徹底地去掉了語(yǔ)音產(chǎn)生過(guò)程中的激勵(lì)信息，主要反映聲道特性，只需要十幾個(gè)倒譜系數(shù)能比較好的描述語(yǔ)音的共振特性，計(jì)算量小，其缺點(diǎn)是對(duì)輔音的描述能力較差，抗噪聲性能也較弱。

2.3.2.3 梅爾倒譜系數(shù)（MFCC）

MFCC著眼于人耳的聽(tīng)覺(jué)感知機(jī)理。因?yàn)槁?tīng)到的聲音的高低與聲音的頻率的并不成線(xiàn)性正比關(guān)系，Mel頻率的尺度更符合人耳的聽(tīng)覺(jué)特性。用Mel濾波器組對(duì)語(yǔ)音信號(hào)進(jìn)行濾波和加權(quán)，使語(yǔ)音信號(hào)更加接近于人耳聽(tīng)覺(jué)感知系統(tǒng)特性，MFCC特征成為目前說(shuō)話(huà)人識(shí)別和語(yǔ)音識(shí)別中最為廣泛的特征參數(shù)。根據(jù)倒譜計(jì)算過(guò)程，MFCC計(jì)算過(guò)程可以簡(jiǎn)單地描為如下四個(gè)步驟：

（1）對(duì)語(yǔ)音信號(hào)進(jìn)行短時(shí)傅里葉變換，得到各個(gè)幀的頻譜。

（2）在Mel頻率的軸上配置L個(gè)通道的三角濾波器組，L的個(gè)數(shù)由信號(hào)的救治頻定。每一個(gè)三角濾波器中心頻率c（l）在MEL頻率軸上等間隔分配。設(shè)o（l）、h（l）分別是第L個(gè)三角濾波器的下限、中心和上限頻率，則相鄰三角形濾波器的下限、中心和上限頻率有如下關(guān)系成立：

C(l)=h（l-1）=o（l+1）

根據(jù)語(yǔ)音信號(hào)個(gè)幅度譜Xn（k）求每個(gè)三角形濾波器的輸出：

對(duì)所有的濾波器輸出做對(duì)數(shù)運(yùn)算，再一步做出離散余弦變換（DCT）即可得到MFCC：

2.3.2.4 基因周期系數(shù)

基音是指發(fā)濁音時(shí)聲帶振動(dòng)引起的周期性，而基音周期是指聲帶振動(dòng)頻率的倒數(shù)，基音可以分為時(shí)域、頻域以及綜合利用信號(hào)時(shí)域頻率特性等三種提取模式，時(shí)域包括利用語(yǔ)音信號(hào)的采樣點(diǎn)計(jì)算信號(hào)的波峰、波谷和過(guò)零率等，典型的方法是Gold和Rabiner提出的并行處理方式；頻域的方法主要是計(jì)算信號(hào)的自相關(guān)函數(shù)、功率譜和最大似然函數(shù)等，其精度要高于時(shí)域方法，典型的方法是有中央消波自相關(guān)法、平均幅度差分函數(shù)法和倒譜法等。本文章選用倒譜法進(jìn)行基因周期的提取。

1)倒譜法原理

語(yǔ)音信號(hào)是激勵(lì)源與聲道相應(yīng)相卷積的結(jié)果，而“倒譜特征”則是利用了對(duì)語(yǔ)音信號(hào)進(jìn)行適當(dāng)?shù)耐瑧B(tài)濾波后，可將激勵(lì)信號(hào)與聲道信號(hào)加以分離的原理。倒譜中維數(shù)較低的分量對(duì)應(yīng)于語(yǔ)音信號(hào)的聲道分量，倒譜中維數(shù)較高的分量對(duì)應(yīng)于語(yǔ)音信號(hào)的音源激勵(lì)信號(hào)。因此，利用語(yǔ)音信號(hào)倒譜可將它們分離，彼此基本上互不干擾，并可以避免聲道分量受到隨機(jī)變化的音源激勵(lì)分量的干擾。

2)倒譜法算法

語(yǔ)音是s（n）是由聲門(mén)脈沖e（n）經(jīng)過(guò)聲道響應(yīng)v(n)濾波而得。即：

則三者的倒譜滿(mǎn)足以下等式：

l=1，2，…，L

其中：

圖2 倒譜基音檢測(cè)算法

可見(jiàn)，倒譜域中基音信息與聲道信息可認(rèn)為相對(duì)分離的。采取簡(jiǎn)單的倒譜法可以分離并恢復(fù)e（n）和v（n），根據(jù)激勵(lì)e（n）及倒譜的特征可以求出基音周期。然而，反應(yīng)基音信息的倒譜峰在含過(guò)渡音和噪語(yǔ)音中將會(huì)變得不清晰甚至完全消失。原因主要是因?yàn)檫^(guò)渡音中周期激勵(lì)信號(hào)能量降低和類(lèi)噪激勵(lì)信號(hào)干擾或含噪語(yǔ)音中的噪聲干擾所致。這里可以采用一個(gè)簡(jiǎn)單的方法，就是在倒譜分析中，直接將傅里葉變換之前的(IFT)頻域信號(hào)(由原始作FT逆變換再取對(duì)數(shù)后得到)的高頻分量置零。可以實(shí)現(xiàn)類(lèi)似于低通濾波器的處理，濾去噪音和激勵(lì)源中的高頻分量，減少了噪聲干擾。圖2是一種改進(jìn)的倒譜基音檢測(cè)的算法框圖。

2.4 聲紋識(shí)別技術(shù)

2.4.1 概述

聲紋識(shí)別的基本原理是為了每個(gè)說(shuō)話(huà)人建立一個(gè)能夠描述這一說(shuō)話(huà)人特征的模型，以其作為這一說(shuō)話(huà)人的個(gè)性特征。在目前的話(huà)音特征與說(shuō)話(huà)人個(gè)性特征還未很好的從語(yǔ)音特征中得到分離情況下，為每個(gè)說(shuō)話(huà)者建立的說(shuō)話(huà)人模型實(shí)際上是說(shuō)話(huà)人的語(yǔ)音特征得模型。為對(duì)說(shuō)話(huà)人個(gè)性特征描述的一致起見(jiàn)，構(gòu)造一個(gè)通用的模型，常將每個(gè)說(shuō)話(huà)人的模型結(jié)構(gòu)取得相同，不同的只是模型中的參數(shù)，通過(guò)用訓(xùn)練語(yǔ)音對(duì)模型進(jìn)訓(xùn)練得到。

2.4.2 典型的聲紋識(shí)別算法

目前說(shuō)話(huà)人識(shí)別模型主要有DTW（動(dòng)態(tài)時(shí)間規(guī)劃），VQ（矢量量化），GMM（高斯混合模型），HMM（隱馬爾科夫模型），NN（神經(jīng)元網(wǎng)絡(luò)），SVM（支持向量機(jī)）等。本文用到GMM（高斯混合模型），所以后面會(huì)對(duì)其算法進(jìn)行了詳細(xì)的描述。

2.4.2.1 動(dòng)態(tài)時(shí)間規(guī)劃（DTW）

說(shuō)話(huà)人信息既有穩(wěn)定因素（發(fā)聲器官的結(jié)構(gòu)和發(fā)聲習(xí)慣），也有時(shí)變因素（語(yǔ)速、語(yǔ)調(diào)、重音和韻律）。將模式識(shí)別與參考模板進(jìn)行時(shí)間對(duì)比，按照某種距離測(cè)定得出兩模板間的相似程度。常用方法是基于最近鄰原則的動(dòng)態(tài)時(shí)間規(guī)劃DTW，但DTW只對(duì)孤立詞識(shí)別性能較好，并且高度依賴(lài)于定時(shí)，目前應(yīng)用不廣。

2.4.2.2 矢量量化方法（VQ）

矢量量化是一種極其重要的信號(hào)壓縮方法，它廣泛應(yīng)用于語(yǔ)音編碼、語(yǔ)音識(shí)別與合成、說(shuō)話(huà)人識(shí)別、圖像壓縮等領(lǐng)域，基于非參數(shù)模型的VQ的方法是目前自動(dòng)話(huà)說(shuō)人識(shí)別的主要方法之一。完成VQ說(shuō)話(huà)人識(shí)別系統(tǒng)有兩個(gè)步驟：（1）利用說(shuō)話(huà)人的訓(xùn)練語(yǔ)音，建立參考模型碼本。（2）對(duì)待識(shí)別說(shuō)話(huà)者的語(yǔ)音的每一幀和碼本之間進(jìn)行匹配。由于VQ碼本保存了說(shuō)話(huà)人個(gè)性特征，這樣我們就可以利用VQ法進(jìn)行說(shuō)話(huà)人識(shí)別。在VQ法中模型匹配不依賴(lài)于參數(shù)的時(shí)間順序，因此匹配過(guò)程中無(wú)需采用DTW技術(shù)；而且這種方法比應(yīng)用DTW方法的參考模型儲(chǔ)量小，即碼本碼字小。

用矢量量化方法建立識(shí)別模型，既可以大大減少數(shù)據(jù)存儲(chǔ)量，又可以避開(kāi)困難語(yǔ)音分段問(wèn)題和時(shí)間規(guī)整問(wèn)題。但是每個(gè)說(shuō)話(huà)人的碼本只是描述了這一說(shuō)話(huà)人的語(yǔ)音特征在特征空間中的聚類(lèi)中心的統(tǒng)計(jì)分布情況。在訓(xùn)練階段為了充分反映說(shuō)話(huà)人的個(gè)性特征要求訓(xùn)練語(yǔ)音足夠長(zhǎng)；在識(shí)別時(shí)為了使測(cè)試語(yǔ)音的特征矢量在特征空間中的分布能夠與相應(yīng)的說(shuō)話(huà)人碼本相吻合，所以同樣要求有足夠長(zhǎng)的測(cè)試語(yǔ)音，在測(cè)試語(yǔ)音很短的情況下，這種方法的識(shí)別率將會(huì)急劇下降。

2.4.2.3 隱馬爾科夫模型

HMM模型是馬爾科夫鏈的推廣，隱馬爾科夫模型是一種基于轉(zhuǎn)移概率和傳輸概率的隨機(jī)模型。它把語(yǔ)音看成由可觀(guān)察到的符號(hào)序列組成的隨機(jī)過(guò)程，符號(hào)序列則是發(fā)聲系統(tǒng)序列的輸出。在HMM中，觀(guān)察到的事件與狀態(tài)通過(guò)一組概率分布相聯(lián)系，是一個(gè)雙重隨機(jī)過(guò)程，其中一個(gè)是Markov鏈，他它描述了狀態(tài)之間的轉(zhuǎn)移；另一個(gè)隨機(jī)過(guò)程描述狀態(tài)和觀(guān)察值之間的統(tǒng)計(jì)響應(yīng)關(guān)系。HMM模型的狀態(tài)是隱含的，可以觀(guān)察到的的是狀態(tài)產(chǎn)生的觀(guān)察值，因此稱(chēng)為隱馬爾科夫模型（HMM）。HMM模型同樣廣泛用于與文本相關(guān)的說(shuō)話(huà)人識(shí)別中，并且比傳統(tǒng)的方法有著更好的性能。HMM不需要時(shí)間規(guī)整，可節(jié)約判決時(shí)計(jì)算時(shí)間和存儲(chǔ)量，在目前被廣泛應(yīng)用。缺點(diǎn)是訓(xùn)練時(shí)計(jì)算量大。

2.4.2.4 基于支持向量機(jī)（SVM）的方法

SVM是Vapnik提出的一種基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化二元分類(lèi)器，通過(guò)非線(xiàn)性變換將原始集合映射到高維空間，轉(zhuǎn)化為某個(gè)高維中的線(xiàn)性問(wèn)題，尋找最優(yōu)分類(lèi)面，具有很好的泛化和分類(lèi)能力，在手寫(xiě)/文字識(shí)別、文本分類(lèi)和人臉識(shí)別等模式領(lǐng)域中取到成功的應(yīng)用[4]。SVM實(shí)際上是一種辨別模式，一般情況下它只能辨別兩類(lèi)數(shù)據(jù)，因此需要正反兩類(lèi)數(shù)據(jù)進(jìn)行訓(xùn)練。因此SVM要在說(shuō)話(huà)人識(shí)別中應(yīng)用，必須要解決多類(lèi)分類(lèi)問(wèn)題。解決說(shuō)話(huà)人識(shí)別的多分類(lèi)問(wèn)題的主要有三種形式[4]：

1)為每個(gè)人建立一個(gè)SVM，訓(xùn)練數(shù)據(jù)由目標(biāo)說(shuō)話(huà)人和背景說(shuō)話(huà)人的語(yǔ)音分別構(gòu)成“+”、“-”數(shù)。

2)為每一對(duì)說(shuō)話(huà)人建立一個(gè)SVM，由N個(gè)人則建立N*（N-1）/2個(gè)SVM。

3)決策樹(shù)分類(lèi)：決策樹(shù)上每個(gè)節(jié)點(diǎn)將多個(gè)說(shuō)話(huà)人分為兩個(gè)子集，或者是一個(gè)說(shuō)話(huà)人（葉節(jié)點(diǎn)）。

2.4.2.5 高斯混合模型（GMM）

在說(shuō)話(huà)人識(shí)別中，不同說(shuō)話(huà)人的差異只要表現(xiàn)在其短時(shí)語(yǔ)音的差異，而這又可以用每個(gè)說(shuō)話(huà)人的短時(shí)譜特征矢量所具有的額概率密度函數(shù)來(lái)衡量，我們可以用高斯混合模型來(lái)表示這一概率密度函數(shù)。典型單峰高斯說(shuō)話(huà)人模型代表了一個(gè)以均值矢量和協(xié)方差矩陣表示的說(shuō)話(huà)人特征分布，而矢量量化模型代表了說(shuō)話(huà)人特征模板的離散分布。通過(guò)高斯混合模型的離散組合，每個(gè)高斯函數(shù)用其均值和協(xié)方差矩陣表示，得到高斯混合模型（GMM）[5][6]。它直接對(duì)語(yǔ)音中的說(shuō)話(huà)人得個(gè)人特好征的統(tǒng)計(jì)分布進(jìn)行描述，已成為當(dāng)今與文本無(wú)關(guān)的說(shuō)話(huà)人識(shí)別的主流技術(shù)，也是目前說(shuō)話(huà)人識(shí)別的研究熱點(diǎn)。由于GMM只有一個(gè)狀態(tài)，在GMM參數(shù)中只包含語(yǔ)音的聲紋特征信息，不包含語(yǔ)音隨時(shí)間變化的狀態(tài)信息。

說(shuō)話(huà)人識(shí)別的目的是找到說(shuō)話(huà)人模型λ，對(duì)于給定的參數(shù)模型集Λ={λ1，……，λ n}和測(cè)試向量序列X={x1，……，xr}有最大的后驗(yàn)概率P（λ|X）。通常用似然P（X|λ）代替P（λ|X），這樣就不需要知道初始概率P（λ）；另一簡(jiǎn)化假設(shè)是，向量序列X是獨(dú)立同分布隨機(jī)變量，這樣P（X|λ）表達(dá)式如下：

完整的混合高斯模型由參數(shù)均值向量，協(xié)方差矩陣和混合權(quán)重組成。

在識(shí)別系統(tǒng)中，每個(gè)說(shuō)話(huà)人都由一個(gè)GMM表示，定義為參考模型λ這樣就可以通過(guò)（2.12）式計(jì)算測(cè)試向量序列X的每個(gè)似然函數(shù)P（X|λi）最大，即判定為說(shuō)話(huà)人。基于GMM的說(shuō)話(huà)人識(shí)別方法是目前最成熟的和最有效的方法。

3.結(jié)束語(yǔ)

本課題討論一種復(fù)雜背景下的聲紋識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)。預(yù)處理階段，提出一種利用正交小波濾波器組來(lái)對(duì)信號(hào)進(jìn)行預(yù)濾波的方法，對(duì)語(yǔ)音信號(hào)的每個(gè)頻率去噪，然后重構(gòu)出語(yǔ)音信號(hào)；特征提取階段，提出一種基音周期和MFCC兩種特征參數(shù)相組合的特征提取方式提取說(shuō)話(huà)人語(yǔ)音特征，致力于解決基音周期系數(shù)在區(qū)別清音和低電平的濁音較困難及MFCC參數(shù)抗噪性不佳的問(wèn)題；聲紋識(shí)別階段，利用GMM來(lái)訓(xùn)練和識(shí)別特定人聲紋。

[1]Glembek,O.,Burget,L.,Dehak,N.,Brummer,N.,Ke nny.Comparison of scoring methods used in speaker recongnition with joint factor analysis.In Proc.ICASSP,2009.

[2]D.Avci.An expert system for speaker identification using adaptive wavelet sure entropy.Expert Systems with Applications,2009,36:6295-6300.

[3]Dehak,R.,Dehak,N.,Kenny,P.,Dummouchel,Ker nel Combination for SVM Speaker Verification[J].In Odyssey Speaker and Language Recongnition Workshop 2008,2008.

[4]Kajarekar.Phone-based cepstral polynomial SVM system for speakerrecognition[J].Proceedings of Interspeech,2008.

[5]Azzam Sleit,Sami Serhan,and Loai Nemir.A histogram based speaker identification technique.International Conference on ICADIWT,2008,pp.384-388.

[6]David A.van Leeuwen,SRE-tools,a software package for calculating performance metrics for NIST speaker recognition evaluations.http://sretools.goolepages.com/.2008.