語音是復(fù)雜的非線性信號，這使得基于線性理論的傳統(tǒng)說話人識別系統(tǒng)性能難以進(jìn)一步提高。結(jié)合語音特點(diǎn)，基于小波極大模方法（Wavelet Transform Modulus-Maxima Method， WTMM），提出一種語音多分形譜特征（Multifractal Spectrum Feature， MSF）提取方法，并將語音多分形譜特征與傳統(tǒng)特征結(jié)合用于說話人識別，實(shí)驗(yàn)表明，在短語音說話人識別中，6維MSF與LPC結(jié)合，誤識率相比單獨(dú)使用LPC降低了6.4個(gè)百分點(diǎn)；而MSF與MFCC、LPC組合，誤識率降至1.2%左右。采用貪婪策略對說話人識別的特征進(jìn)行優(yōu)選，從101維特征中優(yōu)選出13維特征用于識別，實(shí)驗(yàn)結(jié)果表明優(yōu)選后的特征參數(shù)能有效降低系統(tǒng)誤識率，提高識別速度，誤識率最低降至1.6%，識別時(shí)間減少約86%。

　　傳統(tǒng)的語音信號處理是基于線性理論的，它基于這樣一個(gè)假設(shè)，即當(dāng)分段足夠小時(shí)，非線性系統(tǒng)可以用線性系統(tǒng)來近似，但這種近似必然會損失一些有用的信息，使得基于線性理論的系統(tǒng)性能難以進(jìn)一步提高。從聲學(xué)和空氣動力學(xué)角度看，語音信號既非確定性的，也非完全隨機(jī)的，而是一個(gè)非線性過程，因而目前研究的注意力轉(zhuǎn)向非線性信號分析方法，其中的一個(gè)方向就是用分形理論。本文嘗試用多分形理論分析語音信號，從而在一定程度上彌補(bǔ)線性理論描述語音信號的不足，基于統(tǒng)計(jì)理論的GMM （Gaussian Mixture Model，高斯混合模型）模型在訓(xùn)練和識別時(shí)都需要充分的數(shù)據(jù)，才能達(dá)到較高的識別率，當(dāng)進(jìn)行短語音（2秒左右）說話人識別時(shí)，往往難以滿足這一要求，為了從有限的數(shù)據(jù)中，提取出更豐富的信息，以增加模型的識別能力，我們引入了基于分形理論的說話人特征。