1. 研究目的与意义
说话人识别，就是根据采集的声音信号，来鉴定说话人身份的一种生物识别技术。
近年来，对于说话人识别应用，人们一直将高斯混合模型作为主要方法。
通过不断研究，都使用以GMM为基础的 GMM－UBM 框架，努力提高说话人识别系统的性能，并成功应用到说话人验证系统中。
2. 课题关键问题和重难点
本次课题实验受声门激发和口鼻辐射的影响，会形成高频率的语音信号，难以解决。
难以采集到清楚的声音信号，并且每次采集的声音信号不可能会一致，这使得实验结果具有不确定性，难以比较。
DNN虽然具有高准确性但计算成本巨大，调节参数十分复杂。
3. 国内外研究现状（文献综述）
当今社会，数字化时代随之来临，大量的信息和数据充斥了生产和生活的各个角落，然而技术进步的同时，许多风险和安全问题也逐渐产生。
首要是解决关于个人身份确认方面的问题，典型的几种认证方式，钥匙、密码、各种身份证件等所要求的技术水平层次较低、容易实现，但是也很容易丢失、泄露及破解，造成身份信息被冒用等状况。
因此，生物识别技术应运而生，生物识别技术通过对个体独特的特征进行识别，实现对个人身份的认证。
4. 研究方案
本实验设计用于语音识别，基于DNN的I-vector的声学特征提取研究1.根据设计指标要求完成学习DNN模型的建立，将i-vector的维数设成与GMM超向量一样的维数，以得到更好的性能2.建立GMM-UBM模型 GMM-UBM 声纹识别系统3. 进行系统软件调试，进行系统软件调试，把原有的i-vector模型中的UBM替换为基于音素状态的DNN模型 本文算法总体框图4.进行数据计算，得出每一帧的实验概率进行比对
5. 工作计划
第1周：接受任务书，领会课题含义，按要求查找相关资料；第2周：阅读相关资料，理解有关内容；第3周：翻译相关英文资料，提出拟完成本课题的方案，写出相关开题报告一份；第4周：方案的总体设计和规划；第5周：方案各模块的设计；第6周：方案各模块的设计；第7周：各方案程序测试；第8周：软件功能验证；第9周：系统的整合；第10周：方案的测试和验证；第11周：修改、完善并提交毕业论文；第12周：评阅教师评阅论文，学生根据指导意见修改论文；验收软件成果，接受答辩资格审查；第13周：准备参加答辩；第14周：毕业设计答辩及成绩评定。
