1 引言
语音特征参数分析一直是说话人识别领域的一个重要的研究课题。语音特征的选择是整个说话人识别系统的基础，对正确识别率有着直接的影响。目前 ，应用于说话人识别系统的特征主要来自于短时的、低级的声音信息，例如线性预测倒谱系数 LPCC(Linear Predictive Cepstral Coefficients)和 Mel倒谱系数 MFCC(Mel Frequency Cepstral Coefficients)。尽管MFCC和 LPCC已经被证明在语音识别方面是两个很有用的参数，但在说话人识别方面，他们还存在很多缺陷。要使～个语音特征参数能有效地用在说话人识别中，它必须要能反映出说话人发音器官特性还要尽量少的包含语意方面的信息。尽管 LPCC和MFCC特征参数包含了丰富的说话人特征的信息，但同时也包含了丰富的语意方 面的信息。还有，LPCC和 MFCC特征参数在受到信道和环境噪声影响时会产生较大的失真，影响识别率。