兰胜坤

(1.福州海峡职业技术学院，福州 350102;2.福建工程学院国脉信息学院，福州 350102)

说话人识别(speaker recognition)又称声纹识别，是指根据说话人所说的话来鉴定说话人身份的一种身份认证技术，属于语音信号处理4大分支(语音识别、说话人识别、语音编码以及语音合成)中的一种［1］。语音是人的自然属性之一，也是一个正常人所固有的特征。由于每个说话人发音器官的生理差异(包括声带、咽喉、口腔、鼻腔的构造不同)，以及后天行为、环境等因素的影响，导致不同说话人发出的语音信号带有强烈的个人色彩，因此通过声纹识别技术对用户进行身份识别是可行的。说话人识别技术的核心是将预先录入的说话人的语音样本分为训练语音和测试语音两部分，然后把从训练语音中提取出来的表征说话人特征的参数保存到数据库中，识别时用同样的方法提取待测语音信号的特征参数并与数据库中的特征数据进行匹配，从而得出识别结果。

神经网络是由大量结构简单的处理单元(又称神经元)广泛地互联构成的复杂网络系统，又称人工神经网络(artificial neural networks，ANN)［2］。BP(back propagation)神经网络简称BP网络，又称误差反向传播神经网络［3］，是一种按照误差逆传播算法训练的多层前馈神经网络。BP神经网络属于有导师学习方法，学习规则为δ学习规则［4］。这种网络的结构简单、学习效果好、泛化能力强，是目前最重要的神经网络之一［5－7］。但BP神经网络采用的是一种基于梯度下降的算法，因此不可避免地存在训练时间长、收敛速度慢、容易陷入局部最优等缺陷。……