并且在已有的各种生物特征识别技术中，是唯一可以用作远程验证的识别技术。因此，说话人识别的应用前景非常广泛：今天，说话人识别技术已经关系到多学科的研究领域，不同领域中的进步都对说话人识别的发展做出了贡献。说话人识别技术是集声学、语言学、计算机、信息处理和人工智能等诸多领域的一项综合技术，应用需求将十分广阔。在吃力语音信号的时候如何提取信号中关键的成分尤为重要。语音信号的特征参数的好坏直接导致了辨别的准确性。
2
f22特征参数的提取对于特征参数的选取，我们使用mfcc的方法来提取。MFCC参数是基于人的
听觉特性利用人听觉的屏蔽效应，在Mel标度频率域提取出来的倒谱特征参数。MFCC参数的提取过程如下：1对输入的语音信号进行分帧、加窗，然后作离散傅立叶变换，获得频谱
分布信息。设语音信号的DFT为：
Xak

N1

x
e
j2
kN
0

k

N
1（1）

1
其中式中x
为输入的语音信号，N表示傅立叶变换的点数。2再求频谱幅度的平方，得到能量谱。
3将能量谱通过一组Mel尺度的三角形滤波器组。
我们定义一个有M个滤波器的滤波器组（滤波器的个数和临界带的个数相近），采用的滤波器为三角滤波器，中心频率为fmm123，M本系统取M100。
4计算每个滤波器组输出的对数能量。
N1
Sml
Xak2Hmkk1
0mM1
（2）
其中Hmk为三角滤波器的频率响应。
5经过离散弦变换（DCT）得到MFCC系数。
M1
C
Smcos
m05m3m0
0
N1
MFCC系数个数通常取2030，常常不用0阶倒谱系数，因为它反映的是频谱能量，故在一般识别系统中，将称为能量系数，并不作为倒谱系数，本系统选取20阶倒谱系数。
23用矢量量化聚类法生成码本
我们将每个待识的说话人看作是一个信源，用一个码本来表征。码本是从该说话人的训练序列中提取的MFCC特征矢量聚类而生成。只要训练的序列足够长，可认为这个码本有效地包含了说话人的个人特征，而与讲话的内容无关。
本系统采用基于分裂的LBG的算法设计VQ码本，Xkk12K为训练序
列，B为码本。具体实现过程如下：1取提取出来的所有帧的特征矢量的型心均值作为第一个码字矢量B1。2将当前的码本Bm根据以下规则分裂，形成2m个码字。
3
fBmBm1BmBm1
（4）
其中m从1变化到当前的码本的码字数，ε是分裂时的参数，本文ε001。
3根据得到的码本把所有的训练序列特征矢量进行分类，然后按照下面
两个公式计算训练矢量量化失真量的总和D
以及相对失真
为迭代次数，初始

0r