1、說話人識(shí)別是指利用語(yǔ)音信號(hào)包含的信息來辨認(rèn)說話人是誰或者確認(rèn)此說話人是否為所聲言的說話人。如今在低噪聲，低失真環(huán)境下說話人識(shí)別已經(jīng)達(dá)到較高的識(shí)別性能，但說話人識(shí)別的實(shí)際應(yīng)用環(huán)境中卻充滿了噪聲，導(dǎo)致說話人識(shí)別系統(tǒng)的識(shí)別率急劇下降。因此，目前的研究熱點(diǎn)已轉(zhuǎn)為提取噪聲環(huán)境下仍能達(dá)到較好性能的魯棒性特征和設(shè)計(jì)更加有效的分類器，從而真正實(shí)現(xiàn)說話人識(shí)別系統(tǒng)走出實(shí)驗(yàn)室，走向?qū)嶋H應(yīng)用場(chǎng)合。 針對(duì)以上需求，設(shè)計(jì)了一個(gè)以短波信道為背景的說話人識(shí)別系

2、統(tǒng)，即以在短波信道環(huán)境下獲得的語(yǔ)音信號(hào)為數(shù)據(jù)進(jìn)行實(shí)驗(yàn)。在特征提取階段，剖析了基于人耳聽覺機(jī)理的美爾倒譜系數(shù)(MFCC)，從美爾濾波器組的結(jié)構(gòu)上看，MFCC只在信號(hào)的低頻區(qū)域具有較高的分辨率，在高頻部分分辨率卻較低，這樣必然會(huì)遺失一些包含在高頻區(qū)域的信息。本文應(yīng)用翻轉(zhuǎn)的美爾濾波器組提取出一組特征IMFCC，彌補(bǔ)了傳統(tǒng)的MFCC在高頻提取特征信息薄弱的不足，與原始MFCC形成互補(bǔ)關(guān)系。鑒于兩種特征的互補(bǔ)關(guān)系，設(shè)計(jì)多分類融合系統(tǒng)，以支持向量機(jī)

3、為分類器，分別以MFCC和IMFCC為特征單獨(dú)執(zhí)行分類，將得到結(jié)果按某種方式融合，取兩者之長(zhǎng)，最后做出判決來提高說話人識(shí)別系統(tǒng)的性能。 另外應(yīng)用自適應(yīng)動(dòng)態(tài)閾值的開集說話人識(shí)別算法，建立一個(gè)綜合所有參考說話人語(yǔ)音特性的非特定說話人RN+1，將其列入?yún)⒖颊f話人之中，識(shí)別時(shí)以其得分作為閾值判定待識(shí)說話人是否在集內(nèi)，若在集內(nèi)給出識(shí)別結(jié)果，若在集外則將待測(cè)者自動(dòng)加入?yún)⒖颊f話人集中。 經(jīng)實(shí)驗(yàn)證明，以MFCC&IMFCC為特征進(jìn)行多分