1、本文分析了說話人識別中的主要技術(shù)，從特征參數(shù)的獲取到各種識別方法的應用，重點介紹了矢量量化(VQ)和高斯混合模型(GMM)兩種基于模板的識別方法。并實現(xiàn)了一個主要基于VQ的說話人識別系統(tǒng)，在閉集測試中取得了較好的效果。 在VQ方法的訓練中，提出了一種基于逐點搜索的改進的LBG算法，較好地解決了傳統(tǒng)LBG算法在迭代過程中會產(chǎn)生空胞腔、無法適用于多種距離測度等問題。并設計了一種對VQ量化誤差進行規(guī)格化處理的方法，使規(guī)格化后的量化誤差

2、更加適合對說話人進行判決。 對GMM方法的框架進行了初步的研究，并對EM算法中迭代初值的選定、方差的限定及模型混合數(shù)對識別結(jié)果的影響進行了一定程度的討論。 在預處理方面，提出了一種基于基音輪廓抖動的去除語音中噪音段和靜音段的方法，取得了很好的實際效果。 最終的識別系統(tǒng)針對8KHz的單聲道語音，采用了10階的線性預測系數(shù)、10階的線性預測倒譜系數(shù)以及基音參數(shù)構(gòu)建了一個主要采用VQ方法的說話人識別系統(tǒng)，在11個說話人