1、說(shuō)話人識(shí)別是指根據(jù)說(shuō)話人的聲音識(shí)別出說(shuō)話人身份的技術(shù)，其在金融、司法、醫(yī)療、軍事等領(lǐng)域都有著廣泛的應(yīng)用前景，是生物認(rèn)證技術(shù)領(lǐng)域的研究熱點(diǎn)之一。隨著計(jì)算機(jī)和信息化技術(shù)的不斷發(fā)展，說(shuō)話人識(shí)別已逐漸從實(shí)驗(yàn)室環(huán)境走向?qū)嶋H應(yīng)用。
　　 特征參數(shù)提取作為說(shuō)話人識(shí)別技術(shù)的關(guān)鍵技術(shù)之一，是國(guó)內(nèi)外眾多學(xué)者的研究重點(diǎn)所在。實(shí)際應(yīng)用環(huán)境對(duì)說(shuō)話人識(shí)別提出了更高的要求，因此提取出更能表征說(shuō)話人個(gè)性信息、更具魯棒性、識(shí)別效果更好的語(yǔ)音特征參數(shù)成為說(shuō)話人識(shí)別

2、領(lǐng)域亟待解決的重要問(wèn)題。本文在研究說(shuō)話人識(shí)別中常用特征參數(shù)提取算法和特征選擇方法的基礎(chǔ)上提出了一種基于Fisher準(zhǔn)則的混合特征提取算法和一種基于Fisher準(zhǔn)則的Gammatone特征提取算法，并在MATLAB平臺(tái)下進(jìn)行了仿真實(shí)驗(yàn)。論文主要工作如下:
　　 首先，分析了說(shuō)話人識(shí)別系統(tǒng)的基本原理、系統(tǒng)結(jié)構(gòu)以及性能評(píng)價(jià)標(biāo)準(zhǔn)等相關(guān)知識(shí)。重點(diǎn)研究了目前常用的兩種特征參數(shù)LPCC(Linear Prediction CepstralCo

3、efficient)和MFCC(Mel Frequency Cepstral Coefficient)的提取過(guò)程，對(duì)比分析了兩者的優(yōu)缺點(diǎn)，并介紹了基于Fisher準(zhǔn)則的特征選擇方法及其在說(shuō)話人識(shí)別中的應(yīng)用。同時(shí)對(duì)本文中運(yùn)用的說(shuō)話人識(shí)別方法GMM(Gaussian Mixture Model)進(jìn)行了詳細(xì)的研究。
　　 其次，在分析了提取MFCC的梅爾頻率濾波器組和提取IMFCC(Inverted MelFrequency Ceps

4、tral Coefficient)的翻轉(zhuǎn)梅爾頻率濾波器組結(jié)構(gòu)的基礎(chǔ)上，針對(duì)MFCC和IMFCC的優(yōu)缺點(diǎn)，運(yùn)用Fisher準(zhǔn)則對(duì)MFCC和IMFCC參數(shù)進(jìn)行特征選擇，提出了一種基于Fisher準(zhǔn)則的混合特征參數(shù)提取算法，并在TIMIT語(yǔ)音庫(kù)和NOIZEUS語(yǔ)音庫(kù)上進(jìn)行了實(shí)驗(yàn)，結(jié)果表明與MFCC和LPCC相比，本文算法具有更高的識(shí)別率。
　　 最后，針對(duì)在噪聲環(huán)境下MFCC作為特征參數(shù)的識(shí)別效果較差的問(wèn)題，引入模仿人耳聽(tīng)覺(jué)系統(tǒng)的Ga