说话人识别是指通过对说话人语音信号的分析和特征提取,从而确定说话人是否在所记录的说话人集合中,进而确定说话人是谁的过程。随着计算机技术和信息化社会的发展,说话人识别技术越来越受到重视。目前在说话人识别中,要提高识别率有两个重要问题需要解决:一是如何选取能够有效表征说话人特征的可靠参数;二是如何选取最佳的失真测度,使计算简单可靠。本文对VQ(vector quantization矢量量化)识别算法失真测度的选取方面做出了初步探讨,做了以下几个方面的工作:1.本文介绍了一种新算法,将算法中定义的平均自差异函数、平均互差异函数以及平均互-自差异比函数计算所得到的值应用到WDMVQ算法的加权系数中。本文对分别采用平均自差异值、平均互差异值、平均互-自差异比值加权系数时的算法以及传统算法进行了大量的对比实验。2.在加权系数的计算中加入经验值,重新定义了平均自差异函数、平均互差异函数以及平均互-自差异比函数。以期望加入经验值后的加权系数能更准确地反映各维分量的离散度。对函数中使用的经验值进行了讨论,把说话人识别中各倒谱分量的相对重要性理论作为经验值选取的依据。实验证明使用加入经验值后所得到的加权系数的WDMVQ算法时间鲁棒性更好。