为了使说话人识别系统在语音较短和存在噪声的环境下也具有较高的识别率, 基于矢量量化识别算法, 对提取的特征参数进行研究。把小波变换与美尔频率倒谱系数(MFCC )的提取相结合, 并将改进后的特征与谱质心 特征进行了组合, 建立了一种美尔频率小波变换系数+ 谱质心(MFWTC+ SC) 的新的组合特征参数。经实验表明, 该 组合特征可以有效地提高说话人识别系统的性能。

说话人识别系统在嘈杂的环境中性能会大大降低，为了处理这个强大的限制，我们的目标是直接在i向量空间中去除i向量的噪声部分。我们的方法提供了仅在i矢量提取水平下操作的优点，使系统的其他步骤不变。应用最大后验（MAP）程序以获得干净版本的噪声i矢量，利用关于干净的i向量分布的先验知识。为了执行该MAP估计，对干净的噪声i向量分布进行高斯假设。我们显示出与基准系统相比，所提出的方法的效率是以相对较高的计算成本为代价获得的。最后提出一些想法来改进这方面的内容

噪声环境下说话人识别的研究 噪声环境下说话人识别的研究