下载文档原格式
说话人识别综述杨迪;戚银城;刘明军;张华芳子;武军娜【摘要】Based on the analysis of the principles and methods of speaker recognition, the development of speaker recognition in recent years is reviewed. Several features and pattern recognition methods in the mainstream speaker recognition technologies are summarized and analyzed. Finally, the research prospects and development trends in the future are given.%在分析说话人识别原理和方法的基础上，对近年来说话人识别技术的发展进行了综述。
分析了当前说话人识别技术中使用的多种特征和模式识别方法，并对其今后的研究前景和发展方向进行了展望。
【期刊名称】《电子科技》【年(卷),期】2012(025)006【总页数】4页(P162-165)【关键词】说话人识别;特征提取;模式识别【作者】杨迪;戚银城;刘明军;张华芳子;武军娜【作者单位】华北电力大学电子与通信工程系,河北保定071003;华北电力大学电子与通信工程系,河北保定071003;华北电力大学电子与通信工程系,河北保定071003;华北电力大学电子与通信工程系,河北保定071003;华北电力大学电子与通信工程系,河北保定071003【正文语种】中文【中图分类】TP391.9说话人识别(Speaker Recognition，SR)又称话者识别［1］，是指通过对说话人语音信号的分析处理，自动确认说话人的技术。
其综合了生理学、语音学、数字信号处理、模式识别、人工智能等学科知识的一个研究课题，以独特的方便性、经济性和准确性等优势，在相关领域内发挥着重要作用，并有着广阔的市场应用前景。
说话人识别方法综述【综述】随着语音识别技术和人工智能技术的不断发展，说话人识别技术已经逐渐成为了人们研究的热点和难点。
说话人识别技术是指计算机通过语音信号识别说话人的身份，实现自动说话人识别。
在实际应用中，说话人识别技术已经广泛应用于身份认证、声纹加密、电话客服等领域。
本文将就说话人识别技术的算法、特点及应用做一综述。
【算法】1.基于GMM-UBM的方法GMM-UBM（Gaussian Mixture Model-Universal Background Model）方法是一种经典的说话人识别算法，它利用GMM模型对语音信号进行建模，并以通用背景模型（UBM）作为训练数据。
该方法通常用于短时语音信号的识别，准确度较高，但对噪声以及长时语音信号的识别效果较差。
2.基于i-vector的方法i-vector方法是由NIST提出的一种说话人识别算法，它将说话人的隐含向量表示为i-vector。
该方法将说话人的长时语音信号进行建模，具有很好的抗噪性能，但需要大量的训练数据和计算复杂度高。
3.深度学习方法随着深度学习技术的发展，深度学习方法在说话人识别领域得到了广泛应用。
其中，卷积神经网络（CNN）和长短时记忆网络（LSTM）是常用的神经网络结构。
该方法具有很高的准确度和鲁棒性，但需要大量的训练数据和计算资源。
【特点】1. 鲁棒性说话人识别技术在实际应用中需要具有较好的鲁棒性，即能够在嘈杂环境和不同话语语速下识别说话人的身份。
基于深度学习的方法和i-vector方法具有很好的抗噪能力。
2. 精度说话人识别技术需要具有较高的识别精度，能够准确识别说话人的身份。
在精度方面，基于GMM-UBM的方法表现并不理想，而基于i-vector和深度学习的方法可以达到很高的准确度。
3. 训练数据说话人识别技术需要大量的训练数据才能得到较好的效果。
基于GMM-UBM的方法需要大量的训练数据才能获得较高的识别精度，而基于i-vector和深度学习的方法需要更多的训练数据。
一、问题描述1、研究背景：语言是人类相互交流时使用最多、最基本也是最重要的信息载体，是人类最重要的外在特征之一。
而语音室语言的声学表现，是声音和意义的结合体。
人们可以将语言信息转化为声音信号，也可以从极其复杂的语音信号中迅速有效地提取信息。
因此与文字、图像、视频等交流信息的方式相比，语音始终都是对人类最方便、最自然、最理想的方式。
语音信号处理是研究用数字信号处理技术对语音信号进行处理的一门学科，它主要包括四个部分：语音识别、语音合成、语音编码和语音分类。
除了这四个领域，语音信息处理技术还包括语音增强，语音理解等子学科。
几个部分之间有着密切的联系，它们相互影响，相互促进，语音信号处理技术得到了迅猛地发展。
说话人识别又称为声纹识别，按其最终完成的任务分为说话人辨认和说话人确认两类，其作为一种基于生物特征信息的身份识别方法，通过语音来识别说话人的身份。
为此，需从各个人的发音中找出说话人之间的个性差异，涉及到说话人发声器官、声道、习惯各方面不同等级的个性差异，因此，说话人识别是交叉运用心理学、生理学、语音信号处理、模式识别与人工智能的综合性研究课题。
2、技术实现：说话人识别一般的实现方法有三种。
第一种也是最早的一种，用的是语音声学特征的长时间平均，只不过这类方法有一个缺点。
需要较长的语音(通常大20秒)才能求得比较准的说话人特性。
第二种方法用的区别性类神经网络，这种方法的做法是求得一个识别方程式(di scriminat ive function)来使得所有说话人可以区别得最好，其缺点是当有一个新的说话人加入时，识别方程式就必须重新计算。
第三种方法就是对每一个说话人语音的声学特征及内容用一组模型来表示。
而选用的模型根据对语音内容切段方法的不同而有不同。
如果要对说话人的语音细分到音素的地步，可以用隐马尔科夫模型。
如果不需要对说话人的语音内容作区分的话，则可以用矢量量化或高斯混合模型来进行说话人辨认。
本次课设主要实现了一个用于说话人辨识的系统，其中构造数学模型采用了搞死混合模型（GMM），用EM算法进行训练，识别采用基于概率的打分方法。
浅谈说话人识别技术及应用分析引言：随着科学技术的快速发展，生物特征识别技术得到了越来越多的研究和应用，说话人识别是语音识别的一种。
它主要分为说话人辨认和说话人确认两个方面：前者是判断待识别语音是多个参考说话人中哪一个人所说，用于辨认说话者的身份，是一个多元判决问题；后者是说话人先声明身份(如输入用户号) ，然后由系统判定待识别语音是否与其参考声音相符，用于对特定人进行身份验证，是一个二元判决问题。
说话人识别技术的发展始于60 年代，随着信息社会化发展，说话人识别作为具有语音识别与理解功能的智能人机接口，是新一代计算机的重要组成部分，其应用领域不断扩大：在司法领域中，可以帮助对嫌疑人的查证；在保安领域中，可以用于机密场所的进入控制、合法使用通信线路、机要设备的身份核查及电子银行转帐业务的安全检查等；在医学领域，如使识别系统仅响应患者的命令，则可实现对假肢的控制；在玩具、家用电器等领域也有广泛的应用前景。
针对以上领域中的许多商用系统已经投入使用。
关键字：生物特征识别、系统判定、控制、应用前景一、说话人识别技术基础随着全球信息化的快速发展，电子商务等信息技术得到了广泛的应用，人们发现，传统的使用密码来认证用户的方法变的越来越脆弱。
在这种背景下，解决用户高安全性和长效稳定性的生物认证技术逐渐得到人们的青睐。
在众多的生物认证技术中，说话人识别技术以其信号采集简单、系统设备成本低等优点得到了快速发展，展现了广阔的应用前景。
说话人识别技术包括说话人辨认技术和说话人确认技术，他们在本质上是一致的，唯一不同的是说话人辨认技术是从多个说话人语音中辨认出某个人的那一段语音信息，而说话人确认技术是确定某段语音信息是不是某人所说。
两者是一对多和一对一的关系。
每个人的发音因为受到声道和发音特点等影响，总是存在一些代表自己特征的元素，说话人识别技术就是通过采集、提取这些表征说话人固有特征的参数来达到识别的目的。
语音识别技术的应用有着非常多的优点，同时目前的研究也存在一些还没有突破的难点，但我相信，不久的将来，说话人识别技术一定会在我国的信息安全方面起到无以替换的重要作用。
说话人识别综述作者：甄倩倩张庭亮来源：《科技资讯》2017年第25期DOI：10.16661/ki.1672-3791.2017.25.241摘要：生物识别，是通过生物信息来识别人身份的技术，说话人识别是一种通过人的声音来识别人身份的技术。
说话人识别是生物识别领域的重要研究课题之一。
本文首先介绍说话人识别的背景和研究意义；其次介绍目前在说话人特征提取方面所采用的方法；再次介绍说话人识别方面所采用的方法研究；最后分析说话人识别的研究困难和未来发展趋势。
关键词：生物识别说话人识别特征提取中图分类号：TP391 文献标识码：A 文章编号：1672-3791（2017）09（a）-0241-03Abstract： Speaker recognition is one of the important research topics in the field of biometrics， which is a way of recognizing human identity through the voice of the people. Firstly，it introduces the background and significance of speaker recognition. Secondly， it introduces the present research situation of feature extraction and speaker recognition. Finally， it analyzes the research difficulties and future development trend of speaker recognition.Key Words： Biological Recognition； Speaker Recognition； Feature Extraction生物特征识别技术是一种采用人的生理或行为进行识别身份的技术。
说话人识别方法概述作者：武光利来源：《硅谷》2012年第19期摘要：说话人识别是语音识别的一个重要的分支，是当前的研究热点之一。
首先介绍说话人识别的基本原理，然后介绍说话人识别常用的特征参数和分类方法，最后探讨说话人识别研究的难点。
关键词：说话人识别；特征提取；分类方法说话人识别是从说话人所发语音中提取出说话人是谁的信息的过程。
根据说话人识别的目标，可分为说话人辨认和说话人确认。
1）说话人辨认：根据给出的一段语音，判断是已知的N个人中的哪个人说的，所要解决的是“你是谁”的问题。
如果这个人一定包含在这N个人中，则称为“闭集”否则，称为“开集”。
2）说话人确认：根据给出的一段语音，判断是否是某个特定人说的，所要解决的是“你是否是你所声明的那个人”的问题。
根据说话人识别系统的工作模式，可将其分为与文本有关和与文本无关的两种。
1 说话人识别的基本原理图1给出了说话人识别系统框图。
建立和应用这一系统可以分为两个阶段[1]，即训练阶段和识别阶段。
在训练阶段，系统的每个使用者说出若干训练语句，系统据此建立每个使用者的模板或模型参量参考集。
而在识别阶段，待识别说话人语音中导出的参量要与训练中的参考参量或模板加以比较，并且根据一定的相似性准则形成判断。
对于说话人辨认来说，所提取的参数要与训练过程中的每一人的参考模型加以比较，并把与它距离最近的那个参考模型所对应的使用者辨认为是发出输入语音的说话人。
对于说话人确认而言，则是将从输入语音中导出的特征参数与其声音为某人的参考量相比较，如果两者的距离小于规定的阈值，则予以确认，否则予以拒绝。
2 说话人识别常用的特征一般而言，说话人所发出的语音信号中既包含说话人所要表达的语音信息，又包含说话人本人特有的个性特征。
按照参数的稳定性，说话人特征参数可大致分为两类[2]：一类是说话人生理决定的固有特性（例如，声道构造的个性差异等），主要表现在语音的频率结构上，代表性的特征参数有基音和共振峰。
说话人识别方法综述作者：陈晨韩纪庆来源：《智能计算机与应用》2015年第05期摘要：作为语音处理领域的主要技术之一，说话人识别以确认说话人身份为目标，在移动交互、身份验证、音频监控等领域有着广泛的应用前景。
经过数十年的发展，说话人识别技术已经能够取得优秀的识别性能。
本文将对说话人识别方法的研究现状进行总结与分析，介绍目前主流的说话人识别技术。
关键词：说话人识别；特征提取；说话人模型中图分类号：TP391.41 文献标识号：A 文章编号：2095-2163（2015）05-An Overview of Speaker RecognitionCHEN Chen， HAN Jiqing（School of Computer Science and Technology， Harbin Institute of Technology， Harbin 150001， China）Abstract： As one of the main technology of speech processing， speaker recognition aiming at speaker distinguishing， has a broad application prospect in the field of mobile interaction，authentication， audio monitor， and so on. After decades of development， speaker recognition has achieved a high accuracy. This paper will carry on the summary and analysis of speaker recognition，and introduces the current mainstream technology of speaker recognition.Keywords： Speaker Recognition； Feature Extraction； Speaker Modeling0 引言语音是人类之间交流情感与认知的重要信息载体，是在生活与工作中最基本、最自然的交流方式。
