1、語音是人們日常生活中交流的主要手段，是獲取外界信息的主要來源，同時它本身也包含了說話人特有的信息。充分、有效地利用這些特有信息將為我們的生活帶來更多的便利。聲紋識別技術將語音作為研究對象，通過提取和分析特征參數(shù)從而達到識別的目的。
　　本文首先對說話人的語音進行數(shù)字化提取，通過量化、預加重、分幀和加窗的手段對語音進行預處理。語音波形的有音區(qū)片段通過端點檢測進行查找。對包含背景噪聲的說話人語音的語音增強，采用了離散線性卡爾曼濾波，濾

2、波方法在原有的依賴于線性預測系數(shù)的基礎上做了相關改進，提高了濾波性能。
　　其次，對于表征說話人個性的信息進行了分析和特征提取，包括采用 AMDF提取基音周期，利用倒譜法提取第一、第二和第三共振峰；時域內，利用線性分析提取線性預測系數(shù)(LPC)和線性預測倒譜系數(shù)(LPCC)；在頻域內，提取基于人耳聽覺特性的Mel倒譜系數(shù)(MFCC)及其一階差分。基于已有的特征參數(shù)提取算法，部分進行了改進。
　　再次，建立了以單高斯密度函數(shù)為

3、基礎的高斯混合模型(GMM)用于說話人識別。通過K-means算法對模型初始參數(shù)進行估值，K-means算法中通過方差分析來進行初始聚類中心的選定，通過使用三角形法則和聚類中心內區(qū)的判定達到加速聚類的目的，在聚類時考慮了孤立點的干擾。在高斯混合數(shù)確定的情況下，通過高方差法對特征參數(shù)矢量序列進行優(yōu)化。
　　最后，實驗以計算機為硬件平臺，Windows7為軟件平臺。利用Matlab2012b進行語音采集、預處理、語音增強、特征參數(shù)提取