伊·达瓦，吾守尔·斯拉木,匂坂 芳典

(1. 新疆大学 信息科学与工程学院,新疆 乌鲁木齐 830014;2. 新疆多语种技术重点实验室,新疆 乌鲁木齐 830014;3. 早稻田大学 大学院国际情报通信研究科, 日本，东京,169-0051)

1 引言

据科学家分析、人类说话的声音能够表现出一个人的生理、情绪、感情、健康程度、受教育状况、居住以及所处的社会环境等许多关联的物理现象，跟一个人的遗传因子(DNA)有密切关系且千差万别。为此在科学上常常用声音的声学参数来标记、观察、辨别一个人的生理特征以及身份。这种技术称为声纹技术，目前，尤其是公共安全领域应用很广泛[1-3]。

语音是信息最重要的载体，随着手机、互联网等方便好用的通讯产业的高速发展，利用电话—互联网等通讯手段的犯罪时有发生，且有逐年上升的趋势。比方说电话诈骗，通过电话、网络终端的非法交易，利用电话的政治煽动事件等直接危害人民群众的正常生活工作甚至威胁着国家和地区的安定。因此语音技术在国家、地区及公共安全领域有着重大的应用价值。

说话人识别技术与语音识别技术不同。在语音识别中重点关注语音内容(说的什么话)以及人听觉等提取相关信息的特征参数。常用MFCC参数，而说话人识别中应重点考虑说话人本身特征，即表现声道和音调相关的特征参数，不必考虑说什么内容的话或者什么词句，说哪种语言等内容信息。

为实现说话人的自动判别或者识别分类，技术上在语音信号流中提取声学参数生成发话人的数理模型。……