郭霏霏

（泉州职业技术大学智能制造学院，福建泉州362000）

计算机和人工智能的迅速发展为实现语音身份识别提供了可能。当下的智能设备能够迅速捕捉并提取语音信息，将对应的身份信息以代码的形式输入计算机，使计算机能够依照人类的思维方式，对捕捉到的语音进行计算和分析［1-2］。如出现不同的语音控制指令时，通过计算机的对比、思考及推断，可以划分、辨认出指令人的身份，再判断是否执行指令［3］。物联网终端语音身份识别技术的实现是多个领域共同努力研究的成果，其中包括计算机科学、声学等多个领域［4-5］。计算机等硬件设备的发展，对人们的生活产生潜移默化的影响，越来越多的智能工具进入大家的工作生活中，并成为生活中不可或缺的一部分。语音身份识别技术作为一种具有先进性、创新性的技术，在多模式人机交互等方面具有广阔的发展前景［6］。为此，有学者提出相关的研究成果。余玲飞等［7］提出一种基于卷积神经网络和深度循环网络的声纹识别方法，但该方法存在训练和识别时间较长等问题。隐马尔可夫模型是一种统计模型，用来描述一个含有隐含未知参数的马尔可夫过程。隐马尔可夫模型存在从可观察的参数中确定隐含参数，然后利用这些参数进行下一步分析的复杂性，但对过程的状态预测效果良好，能以较快的速度计算出具有维修能力和多重降级状态的系统概率，实现物联网终端语音身份动态识别，从而解决以往方法存在识别时间较长的问题。……