说话人识别是根据语音波形中反映说话人生理和行为的特征的语音参数，自动识别说话人身份的技术。本书作者结合多年的科研丁作，分5个部分介绍了说话人识别的基本概念、方法以及最新研究进展。第1部分概括介绍说话人识别的主要概念、基本原理、研究历史与现状，以及测试语料库的构建；第2部分介绍作者对特征提取提出的不同改进方法，包括特征组合与特征变换；第3部分是作者提出的新的说话人识别模型，包括支持向量机、动态贝叶斯网络、主成分分析；第4部分介绍作者在基于信息融合的说话人识别上的创新工作；第5部分介绍作者开发的一个软件平台及其基础上的两个具体应用系统，最后是全书总结并展望发展趋势。
　　本书可供信息工程、电子工程、计算机科学与技术、公安、军事侦察等领域的科技工作者参考，也可以作为高等院校信号与信息处理、通信与电子系统、模式识别、生物医学等学科专业的研究生或高年级本科生的教学参考书。

　　第一篇 绪论
　　第1章 背景与概述
　　1.1 研究背景及意义
　　1.1.2 说话人识别的优势与应用前景
　　与其他生物认证技术如指纹识别、掌形识别、虹膜识别等一样，声纹识别有不会遗失、无须记忆和使用方便等优点。在生物认证技术领域中，说话人识别技术以其独特的方便性、经济性和准确性受到世人瞩目，并日益成为人们日常生活和工作中重要且普及的安全验证方式。
　　在众多的生物认证技术中，说话人识别技术表现出很多应用上的优势。首先，说话人识别有着天然的优点：以声音作为识别特征，因其非接触性和自然性，用户容易接受。在说话人识别中，用户不用刻意地将手指放在传感器上，或者把眼睛凑向摄像头，只需要简单地说一两句话即可完成识别。
　　其次，说话人识别所用的设备成本很低。对输入设备如麦克风、电话送话器等没有特别的要求；声音的采样与量化对芯片的要求也不高；特征提取、模型训练和匹配只需普通计算机即可完成。另外，因为普遍存在的电话网络和麦克风、计算机的一体化，所以说话人识别系统所需的硬件成本几乎为零。
　　再次，其他生物特征识别技术各有其比较劣势。指纹识别技术虽然已经比较成熟，但用户的接受度不高，人们经常把指纹同犯罪联系在一起，不卫生是另外一个不利因素。虹膜、视网膜识别技术的精确度虽然很高，但所需的设备非常昂贵，并且据研究，这些特征中包含用户的健康状况等隐私信息，大众接受度也不高。脸部、步法等特征，虽然比较自然，用户也容易接受，但实现难度很大。因此，说话人识别的优势更加明显。

第一篇 绪论
第1章 背景与概述
1.1 研究背景及意义
1.1.1 说话人识别介绍
1.1.2 说话人识别的优势与应用前景
1.2 研究进展与趋势
1.2.1 研究历史
1.2.2 研究现状
1.2.3 发展趋势
1.2.4 存在的问题
1.3 本书结构
参考文献

第2章 技术基础与理论
2.1 背景知识
2.2 说话人识别系统结构
2.3 特征提取
2.3.1 预处理
2.3.2 美尔倒谱特征
2.3.3 线性预测系数
2.3.4 Delta特征和Delta_Dclta特征的计算
2.3.5 声门特征
2.4 说话人识别模型
2.4.1 高斯混合模型
2.4.2 隐马尔可夫模型
2.4.3 动态时间规整模型
2.4.4 向量量化模型，
2.5 得分规整
2.6 系统性能评价
2.6.1 评价指标
2.6.2 性能与用户规模的关系
2.6.3 实际使用要求
2.7 小结
参考文献

第3章 说话人识别语料库
3.1 常用语料库
3.2 面向移动互联环境的说话人识别语料库(SRMC)
3.2.1 SRMC的设计思路
3.2.2 SRMC录音方案
3.2.3 SRMC录音内容
3.2.4 SRMC存储与标注
3.3 电话语音库(PHONE)
3.4 多模态说话人识别库
3.5 NOISEX-92数据库
3.6 小结
参考文献

第二篇 特征提取
第4章 说话人特征分析与优化
4.1 特征性能分析
4.1.1 阶数的影响
4.1.2 帧长的影响
4.1.3 结论
4.2 特征参数优化
4.2.1 语音包络检测
4.2.2 包络最小长度限制
4.2.3 预加重参数选取
4.2.4 语音起始点的去除
4.2.5 Delta特征的引入
4.2.6 训练音长度的影响
4.2.7 结论
4.3 特征组合
4.3.1 单一特征组合
4.3.2 不同特征组合(小规模用户)
4.3.3 不同特征组合(中等规模用户)
4.4 二次特征提取
4.5 小结
参考文献

第5章 基于主成分分析(PCA)的说话人特征变换
5.1 高维说话人特征的缺陷
5.2 说话人特征与PCA变换
5.2.1 说话人特征
5.2.2 PCA变换的流程与效果
5.2.3 说话人特征的PCA变换
5.3 PCA特征变换应用于说话人鉴别
5.3.1 传统的说话人鉴别系统
5.3.2 基于PCA特征变换的可行性
5.4 局部PCA特征变换
5.4.1 基于局部PCA特征变换的说话人鉴别系统
5.4.2 实验结果分析
5.4.3 结论
5.5 全局PCA特征变换
5.5.1 基于全局PCA特征变换的说话人鉴别系统
5.5.2 实验结果分析
5.5.3 结论
5.6 基准系统、局部PCA变换与全局PCA变换的比较
5.6.1 可扩充性比较
5.6.2 识别性能比较
5.7 小结
参考文献

第6章 基于线性判别分析(LDA)的说话人特征变换
6.1 LDA变换与PCA变换的联系与区别
6.1.1 LDA转换公式与PCA转换公式
6.1.2 LDA变换和PCA变换的原理的比较
6.1.3 用LDA对说话人特征进行变换
6.2 LDA特征变换
6.2.1 基于LDA特征变换的说话人鉴别系统
6.2.2 实验结果分析
6.2.3 结论
6.3 基准系统、全局PCA变换与LDA变换的比较
6.3.1 可扩充性比较
6.3.2 识别性能比较
6.4 小结
参考文献

第7章 基于轨线模型的说话人特征时序性发掘
7.1 基于段模型的说话人特征时序性发掘
7.1.1 段模型
7.1.2 段模型在语音识别中的应用
7.1.3 说话人特征时序性发掘方法
7.1.4 时序性发掘实验
7.2 基于TrendedHlMM的文本相关说话人识别
7.2.1 TrendedHMM
7.2.2 TrendedH1VIM在语音识别中的应用
7.2.3 文本相关的说话人识别
7.2.4 TrendedHMM与VIV
7.2.5 TrendedHMM优缺点
7.3 小结
参考文献

第三篇 识别模型
第8章 基于支持向量机的识别模型
8.1 研究意义
8.2 支持向量的区域描述
8.2.1 闭集与开集
8.2.2 支持向量的区域描述
8.2.3 说话人辨认
8.3 支持向量机的概率输出
8.3.1 概率
8.3.2 支持向量机的概率输出
8.3.3 内嵌支持向量机(SVM)的隐马尔可夫模型(HMM)
8.3.4 支持向量机(SVM)与高斯混合模型((3MM)的混合模型
8.4 基于向量量化(VQ)模型的核方法
8.5 基于GMM模型的核方法
8.6 多SVM混合模型
8.7 小结
参考文献

第9章 基于动态贝叶斯网络的识别模型
9.1 动态贝叶斯网络
9.1.1 表达
9.1.2 推导
9.1.3 学习
9.1.4 结论
9.2 基于动态贝叶斯网络(DBN)的说话人识别
9.2.1 基于动态贝叶斯网络的识别框架
9.2.2 实验和讨论
9.3 小结
参考文献

第10章 基于主成分分析分类器的说话人识别
10.1 说话人分类常用算法的局限性
10.2 主成分分析分类原理
10.2.1 主成分分析的递归定义
10.2.2 主成分分析的分类依据
10.3 两种主成分分析分类器及其决策融合
10.3.1 基于主成分子空间的分类器
10.3.2 基于截断误差子空间的分类器
10.3.3 两种主成分分析分类器的决策融合
10.4 主成分分析分类器应用于说话人鉴别