1、“.....进行组合时曾考虑只在偶数帧的特征中加入基音，但是这样会影响最终的识别效果考虑将当前要提取基音特征帧与前帧语音合并来提取所有训练识别帧数的基音，再将其与原有的特征进行组合，其中联合因子，即组合后的特征为其中为原有的语音特征，为提取出的基音周期。第五章基于实现的语音门锁系统的测试结果不同处理方法组合对识别效果的影响在实际系统中，分别对采用不同处理方法组合的识别率进行测试，在进行实际系统测试时，任意选择实验室中的名用户男，女进行训练，训练和识别的语音都是开门，冒认人数为，对当天的语音进行开集说话人识别测试，实际结果如表所示。如表所示，在声刺激初始码本生成方法基础上，加入空包腔处理使得系统的误识率有所降低阈值归化的识别方法使系统的拒绝率进步降低将提取出的基音特征与原有特征组合作为说话人的语音特征进行识别时，系统保持了比较低的拒绝率......”。

2、“.....分别对实际所实现系统的部分指标进行比较。取参考说话人的个数为，表所示为采用不同方法时的程序存储量和运行时间设时钟为。下面给出程序存储量和运行时间分析。对加入基音的特征提取所占用存储量和运行时间分析如下设需要计算的特征参数的帧数均为在进行组合特征计算时，对于动静态组合特征，除了帧动静态组合特征所需的存储空间外，还有计算时需要保存的个常数，需要使用个单元，即需要个单元，约。还要为和保存空间，需要个单元，约。在进行说话人的码本存储时，需要的存储单元为个，即个，约。对参考说话人个数为的系统各部分程序执行时间进行统计，得到各部分程序的平均执行时间。由于在实际系统中，设定的采样率为，则采样帧语音信号需要，由表可见，组合特征提取时间为，小于，因此可以满足系统的实时性，吴玺宏，刘志敏......”。

3、“.....张礼和，郑义语音信号的矢量量化码书特性研究电子学报邵央，刘丙哲，李宗葛基于和加权矢量量化的说话人识别系统计算机工程与应用李霄寒，戴蓓倩，方绍武，刘鸣高阶的话者识别性能及其噪声鲁棒性信号处理张俐，李晶皎，顾树生模糊聚类在自适应矢量量化码本训练中的应用计算机研究与发展李苇营，易克初，胡征神经网络与构成的混合网络在语音识别中应用的研究电子学报何振亚，顾明亮，王太君，史笑兴语音信号的主分量特征应用科学学报胡光锐......”。

4、“.....第六章总结本文主要对说话人识别系统中的基音特征提取部分进行了研究，介绍了传统的基音提取算法，并对各种方法进行仿真，分析了各自的优缺点同时提出了种新的基于搜索试探平滑的带噪语音基音提取算法，该算法在较低信噪比下能够提取出带噪语音的基音周期。并与同课题组的同学共同完成了基于的说话人实时识别系统，利用数字信号处理器对系统的各部分算法进行实现，该系统目前已应用于汽车语音控制门锁中。本文所做的主要工作如下对生物识别技术和说话人识别技术的发展和现状进行了概述，并指出了数字信号处理器在语音信号处理中的应用介绍了说话人识别原理基音周期的相关知识，同时概括地介绍了利用进行算法实现的软件基础对传统的基音特征提取算法进行了研究......”。

5、“.....给出仿真结果，对各自的优缺点进行了评价提出了种基于搜索试探平滑的带噪语音基音提取算法，并验证了其在低信噪比下的有效性完成了说话人识别系统的实现，实现说话人实时识别系统，对各部分程序进行调试，并给出对系统部分指标的实际测试结果，将算法应用到汽车语音控制门锁中。致谢至此课题设计完成之际，回顾这路走来的点点滴滴。首先，承蒙老师的悉心栽培，孙老师在的学习和课题设计中，从理论到实践给我大量的极其有益的建议和实际的指导，并在课题设计的撰写和审稿中倾注了大量的心血。他诲人不倦的精神和对我的谆谆教导，使我受益匪浅他严谨的治学态度积极的进取精神广博的知识和平易近人的工作作风将使我受益终身。其次，在论文的选题及研究过程中得到了的大力支持和热心指导，并在学习上与生活上给予我无微不至的关怀和帮助，在此向他们表示深深的感谢......”。

6、“.....在此向他们表示真心的感谢,感谢信号检测处理实验室的师兄师姐师弟师妹们在论文完成过程中与他们进行了许多有益的探讨同时数字信号处理实验室魏小莉老师为本论文的实验工作给予了有利的帮助。在此并表示诚挚的感谢,感谢杜鹃在论文写作过程中给予的帮助。最后，感谢所有教育过我和帮助过我的老师们，你们的谆谆教导是我生中最宝贵的财富,感谢我所有的同学和朋友们，起生活和工作学习的美好时光里，你们所给予的真诚鼓励和无私帮助是我终生难忘的,生活上得到了众多老师同学和朋友们的热心帮助和大力支持。在此，我要向你们表示我最诚挚的谢意,参考文献王仁华，何林顺，黎建宁等方差加权倒谱失真测度及其在说话人识别中的应用电子学报何立民嵌入式系统的定义与发展历史单片机与嵌入式系统应用甄斌有串口控制器定时器等丰富的外设资源。因此，数字信号处理的上述特点要求必须是专门设计的，典型的设计要满足，不论是语言信号......”。

7、“.....要求速度快且实时信号处理算法通常需要执行大量的乘法和累加运算，具有些特定模式，要求专门的接口。大部分时间信号处理算法花在执行相对小循环的操作上。基于的语音门锁系统本章介绍了基于矢量量化的说话人识别原理，对于其中的几个方面的问题做了进步的探索。编程实现了算法的各个子程序，在编程过程中做了相关的实验充分考虑程序运行时间精度以及存储量等因素，对系统的识别效果也进行了实际测试。通过大量比较筛选，确定出最优的算法，应用于语音门锁中。基于的语音门锁系统概述语音门锁系统采用种高效的数据压缩技术，这种技术被称作矢量量化技术，下面对该技术做详细介绍。矢量量化是将若干个标量数据组构成个矢量，然后在矢量空间内将其整体量化，这样既压缩了数据又不会损失多少信息。矢量量化将维空间中的矢量按种准则用维空间中的矢量，表示。输入矢量量化矢量......”。

8、“.....在已知训练数据的情况下，的准则是给定的码本容量为时，使量化最小失真。图给出了基于的说话人识别系统框图。对于基于的说话人识别技术来说，码本的产生会直接影响到识别的效果。码本形成过程是将所提取出的各个特征矢量集合，按照种准将具有相似特征的矢量归到个集合里，用个具有代表性的矢量来表示。码本形成的基础是初始码本的选择，目前在算法的实现过程中，初始码本的选择采用了种在训练数据中找到距离最远的个矢量，这种方法便于实现。码本设计采用算法，算法是三人在提出的，是基于最近邻法则把训练序列分配到与它欧式距离最小的码字的簇中，从而形成很多个子集，计算各子集的形心和平均失真，直迭代计算，并不停地对码本进行修改直到性能满足要求或不能再改进为止......”。

9、“.....所给方法的优点首先是在分裂大包腔时选择子包腔码字更具有代表性，从而使得系统在重新聚类中避免再次出现空包腔的可能性其次，该方法对于系统没有信息冗余的情况下，可避免信息的损失，对保持矢量在空间分布的完备性有训练时间与使用时间相差过长，就会使系统的性能明显下降。为了减小说话人语音变化对系统性能的影响，提出了种归化阈值的说话人识别算法。使用个参考码本，通过定义语音与码本的失真相对于参考码本的变化量相对失真，来实现阈值的归化。基于阈值归化的说话人识别系统的实现过程包括训练过程图识别过程图训练过程识别过程从测试语音提取特征矢量序列由每个模板依次对特征矢量进行矢量量化，计算各自的平均量化误差根据设定的参考码书，对失真进行阈值归化处理利用阈值归化后处理产生的三个失真进行识别判断设置性别标志位，初始值为未定男生女生设置识别成功标志位......”。