1、說話人識別是根據(jù)人特有的語音信號來識別出說話人身份的一種生物認證技術，在說話人識別技術中，關鍵在于兩方面：其一，如何從數(shù)據(jù)量相當大的原始語音信號中提取出反映說話人個性特征的參數(shù)。其二，設計出行之有效的分類器。 本文針對說話人識別技術目前存在的技術難點進行了深入的研究，研究內(nèi)容主要包括兩方面： 對于特征參數(shù)的提取，目前使用最為流行的特征參數(shù)是基于人耳聽覺特性的MEL倒譜系數(shù)(MFCC)，而MFCC是基于語音信號短時平穩(wěn)的假

2、設，在短時傅立葉變換的基礎上提取的。實際上語音信號是一種典型的非平穩(wěn)信號，短時分析不會隨著時間的變化改變分辨率，而小波分析是一種信號的時間一尺度分析方法，它具有多分辨分析的特點，因此本文在基于研究了MFCC的提取原理的基礎上，結(jié)合小波包對頻帶的多層次劃分，并根據(jù)人耳感知頻帶的特點即Mel頻率的分布，選擇相應小波包分析后的結(jié)點頻帶，提取出一種基于小波包分析的新型特征參數(shù)(WPDC)。 對于分類器的設計，主要應用人工神經(jīng)網(wǎng)絡技術，建