模式识别是一种人工智能技术的应用。其基本思想是在计算机中构建一个人类智能的模型,然后利用已有的信息(数据)对其进行训练,即优化其内部参数,使得它按照一定的准则逼近“真实的”情况。本文所做的工作是在语音识别领域应用模式识别技术,从而达到估计说话人年龄段的目的。在基于说话人的语音特点进行系统训练时,首先提取语音信号的梅尔频率倒谱系数(MFCC,Mel-Frequency Cepstrum Coefficients)作为特征参数,然后采用高斯混合模型(GMM,Gaussian Mixture Model)对不同年龄语音进行建模,同时应用通用背景模型(UBM,Universal Background Model)与GMM相结合以提高识别率并减少训练识别时间。系统测试识别时,采用与训练阶段相同的MFCC特征参数,通过比较测试样本相对于各个模型的后验概率得到最终的识别结果。实验结果表明利用这几种技术的组合,我们可以凭借很少的训练样本实现一定精度的识别率。为将来进一步研究提供依据。本课题的研究内容主要包括以下几个方面:1.说话人的语音特征分析,包括语音的能量特点,频率特点,MFCC等。2.应用高斯混合模型GMM对各个年龄段的语音数据进行建模并训练,分析识别结果。3.应用通用背景模型GMM-UBM进行建模并训练,分析识别结果。4.对训练数据和测试数据进行各种分割组合,分析不同的训练集对测试结果的影响。