谢娅利，庞炜千，白 静，薛珮芸，赵建星，师晨康

(太原理工大学 信息与计算机学院，山西 晋中 030600)

0 引 言

说话人识别是一种根据说话人的特征来确定身份的模式识别技术。说话人识别技术广泛应用于各个领域[1，2]，因此对说话人识别技术进行研究具有重要现实意义。

特征提取在说话人识别系统中扮演举足轻重的角色。Huang JJ等[3]利用人耳的听觉特性将小波包分解为五级，提取语音中包含的动态特征进行说话人识别。然而在信噪比较低的情况下，提取的特征参数会导致识别率显著下降。Yang HY等[4]提出双阈值函数去噪的特征方法进行说话人识别，该方法在低信噪比环境下具有更好的性能。然而该算法较复杂，训练时间较长。周萍等[5]将伽玛通滤波倒谱系数和梅尔频率倒谱系数融合，并结合它们的动态特性构成混合参数，用高斯混合模型进行分类，实验结果表明该参数具有更好的抗噪性和识别性。Zhang Yan等[6]从发音器官中提取发音动作参数，使用动态时间规整进行说话人识别，研究发现发音动作特征对噪声环境下的说话人识别率有明显提高。

通过上述研究发现，发音动作特征与声学特征一样具有识别性。目前说话人识别主要选用单模态特征，然而仅使用单模态特征进行说话人识别很难提高其识别率。于是本文对传统发音动作特征进行改进得到参考点发音动作特征，并将其与声学特征进行融合，采用基于惩罚项的嵌入式特征选择去除冗余特征，得到双模态融合特征，然后使用TORGO数据库和自建库进行实验，验证本文所提参考点发音动作特征和双模态融合特征的有效性。……