瞿于荃，龙 华,2+，段 荧，邵玉斌,2，杜庆治,2

1.昆明理工大学 信息工程与自动化学院，昆明 650000

2.昆明理工大学 云南省计算机国家重点实验室，昆明 650000

说话人识别（speaker verification，SV）属于生物认证领域的一种技术，是一项根据说话人语音中代表说话人生理和行为的特征参数，来判别说话人身份的技术。起初的短语音问题还没能得到广大信号处理界的重视，有些研究员们仅仅从侧面提到了短语音问题[1]，并未成为说话人识别的重点。由于说话人识别对样本语音的时长非常敏感，短时语音的识别性能的好坏，是决定其能否商业化的关键一步。随着说话人系统实际项目的落地，短语音问题开始被重视起来。由于实际生活环境的限制，收集目标用户长时间的语音数据不易，而在短语音条件下获得的有效信息较少，这样就无法提取足够的说话人身份信息，直接导致识别性能的降低。在21 世纪初期，高斯混合模型通用背景模型（Gaussian mixture model universal background model，GMM-UBM）[2]的提出解决了注册说话人语料不足的问题，它的成功应用标志着说话人识别的兴起。随后，联合因子分析（joint factor analysis，JFA）[3]则对说话人变率空间和信道变率空间分别建模，以其高性能引领了说话人识别进入一个新时代。继而，基于总变率空间的身份向量（identity vector，i-vector）[4]成为了近十年来说话人识别研究的基线标准。直至深度学习流行的今日，身份向量仍占据一席之地。近来，针对短语音说话人识别的问题，大致思路分为两方面。一是特征层面，增加特征有效维度是短语音的常用方法，它能有效提高识别率。……