Abstract
語音信號不僅能傳達說話者所要表達的字或消息，同時語音信號本身也隱含了說話者的身份這項訊息。近幾年來，由於語音信號處理與數位訊號處理器的長足進步以及電腦和通訊網路的蓬勃發展，自動語者辨認已經引起多方面的注意。如應用在門禁系統，銀行交易活動，資料庫易動，以及電腦系統方面。語者辨認主要是想用語音來取代現有的鑰匙或身份識別密碼。由於每個人的聲音相當於一把非常"私人的"鑰匙，不用特別去記憶，也不會有遺失的煩惱，因此若能研究出一套正確率高且非常強健的辨認方法，將可帶給人們更便利的生活。 在本論文中，我們以高斯混合模型來代表每一位語者的特徵。並且利 用區別式訓練演算法改善傳統模型訓練上的缺點。在區別式訓練演算法中，我們利用 GPD演算法逐步調整每一位語者的模型參數，使得訓練語句的識別錯誤率達到最小。模型經過區別式訓練後，可以同時改善語者識別以及語者確認的錯誤率。 另外，在語者確認的實驗上，我們將比較非正規化計分方式和正規化 方式在封閉測試以及開放測試的確認結果。最後我們將證明，經過區別式訓練後的模型，加上正規化計分方式，將會得到最好的確認結果。 本論文各章節安排如下：第一章為緒論，闡明研究動機，語者辨認的概述和所使用的資料庫。第二章簡單的描述本論文中所使用到的特徵參數，語者模型的建立以及語者辨認公式的介紹。第三章介紹區別性訓練演算法以及在語者確認的實驗中所用到的正規化計分方法。第四章為一些語者識別和語者確認的實驗。第五章是結論。