语音是人类交流最常见的信息载体,并且随着智能化技术的发展,语音在人机交互中起着至关重要的作用。声纹识别,其本质是利用说话者的语音信息识别出说话人的身份。作为生物特征识别和认证领域的一个重要分支,声纹识别在刑侦排查,人机交互验证,考勤系统等方面有广泛的应用。声纹识别系统主要由语音特征提取和识别模型建立两部分构成。说话者的语音中包含个性信息和共性信息,个性信息差异主要是由发声器官的差异,发音习惯的不同造成的,共性信息则取决于语音文本。语音特征提取是为了提取语音中的个性信息,其常用的语音特征有梅尔频率倒谱系数(MFCC)、线性预测倒谱系数(LPCC)、感知线性预测(PLP)和语谱图等。在识别模型方面,高斯混合模型(GMM)的识别性能优良而被广泛使用。近几年来,卷积神经网络(CNN)被引入到声纹识别中,并取得了不错的研究进展。然而采用这些单一特征和单个识别模型的声纹识别系统,其准确率仍不能满足一些领域的高准确性需求。基于以上研究难点和重点,本文研究内容主要包含以下几个方面:1.针对单一特征在识别中准确率不足的问题,本文使用Fisher准则对常用的多维语音特征PLP、LPCC、MFCC进行维度上的筛选,并且加入基音频率、谱质心等单维特征,获得新的融合特征参数,并且使用GMM作为识别模型进行了对比实验,效果最优的融合特征PLP-LPCC-PF-SC识别率达到了 94.37%,相较于传统的 PLP、LPCC 和 MFCC 特征提高了 6.92%、12.79%、13.58%。2.针对单个识别模型在识别中准确率不足的问题,本文提出了一种模型联合方法。通过分析高斯混合模型基于投票的决策结果,使用训练样本获得阈值参数,并利用阈值参数设计分割函数,以此对两个GMM集合进行联合。通过分割函数对第一个GMM集合的识别结果进行决策,在最大程度上筛选出分类错误的测试样本并将其输入到第二个GMM集合再次识别。在保证两个GMM集合输入语音特征参数不同,并且都具有良好的识别性能前提下,两个GMM集合在识别能力上可以进行互补。第二个GMM集合能对第一个GMM集合的识别结果进行校正,从而提高系统整体的识别准确率。通过实验证明,GMM联合识别率达到了95.63%,较单GMM集合提高了 1.26%。3.为了充分体现不同的语音特征参数和不同的识别模型各自的优势并使其进行性能上的互补,本文使用上述提到的融合特征参数对GMM进行训练,使用语谱图对ResNet进行训练,并且在ResNet中引入长短期记忆网络(LSTM)和注意力机制(Attention),通过模型联合方法将两个识别模型进行联合,最终识别率达到了 95.87%,相较于两种类型的单个模型均有提升。本文主要从语音特征提取和识别模型建立出发,在标准的TIMIT语音数据库进行了大量实验,取得了不错的实验效果,验证了本文提出方法的有效性。