说话人识别是利用说话人语音识别其身份信息的技术。文本无关的说话人识别技术,由于不限制说话人语音内容,得到了更广泛的应用。基于概率统计的说话人模型在当今说话人识别领域内占统治地位,但这类模型并没有利用语音的语义信息。 本论文将语音信息两个主要方面,即语义内容信息和说话人身份信息结合起来,用于文本无关的说话人识别中。众所周知,文本限制的说话人识别技术,在训练说话人模型时,对语音有限制条件,即训练语音只能限定在所给的单词集合或者音素集合之内,并且在识别身份时的语音也有同样的要求,所以可以在相似或者相同语义内容下对比语音信息,这样就更专注于说话人身份信息的验证。基于以上原因,文本限制的说话人识别会比文本无关的说话人识别取得更好的识别效果。本论文就是利用以上基本思想,提出了基于共振峰分类的文本无关的说话人识别方法,即在为每个说话人建立语音模型之前,先按共振峰特性将其特征分成若干类,以此为依据划分说话人特征,并建立对应的说话人子模型,在识别阶段,按照同样的方法区分所属子类,利用子类模型得出识别结果。 通过引入共振峰分类思想,将文本限制的说话人识别的思想与概率统计模型有机的结合起来,实验结果表明,新的模型取得了较好的识别效果。