语言是人类信息交流最常用的方式,它自然方便、准确高效。随着科技的发展,用现代手段研究语音信号处理技术,对于促进人机交互技术的进步具有十分重要的意义。语音信号处理技术是语音学和数字信号处理想结合的交叉学科,它与信息科学中许多前沿学科保持着密切联系。语音信号处理可分为三个方向,语音识别,语音情感识别,说话人识别。语音识别是让机器识别和理解人类语音信号转变为相应文本或命令,语音情感识别是机器从语音信号中识别人的各种情感,说话人识别是通过对说话人语音信号的分析,自动识别说话人身份的技术。本文主要研究方向是说话人识别技术。说话人识别又称为声纹识别,是语音信号处理的一个重要分支,说话人识别技术最关键的一个环节是提取特征参数,是一直以来研究者们研究的热点问题。针对目前说话人识别研究情况,本文开展了以下的研究工作:(1)语音信号前端处理须加窗分帧,但容易造成频谱泄露的问题,这不利于得到可靠的精确的特征参数,我们提出一种汉明卷积窗,分析与实验表明这种窗函数性能指标优于经典窗函数,在语音预处理中用其代替传统窗函数,能较好地抑制频谱失真。(2)目前主流的说话人识别系统是采用线性预测倒谱系数(LPCC)和梅尔倒谱系数(MFCC),虽然在高信噪比的环境下取得了较好的识别率,但是在低信噪比环境,系统识别率下降较快,说明特征参数的抗噪性能低,针对这一问题,根据人耳听觉系统的特性,提出基于听觉特性的全极点伽马通滤波器模型(APGF),更加符合人耳非对称滤波特性,实验表明这种听觉特征参数具有更好的鲁棒性。(3)目前常用的特征参数都需通过傅里叶变换,得到语音信号的频域信息,但傅里叶变换分辨率单一,对长时语音非平稳信号,并不具有优势。本文结合小波变换的多分辨率分析的优点,通过听觉变换得到耳蜗倒谱系数,将耳蜗特征参数应用于说话人识别系统,鲁棒性和抗噪性能优于经典的特征参数。进一步研究了Mel域、Bark域和ERB域尺度等不同频域尺度的耳蜗倒谱系数,分别进行仿真实验,实验结果表明ERB尺度耳蜗倒谱特征参数优于Bark尺度的倒谱特征。以上研究对说话人识别工程应用有积极意义。