1.基于說話人識(shí)別技術(shù)的口語測(cè)評(píng)身份認(rèn)證方法，其特征在于，包括以下步驟：
S1：用戶注冊(cè)時(shí)，獲取并分析用戶的語音信息，得到標(biāo)準(zhǔn)語音模板，初始化身份認(rèn)證分?jǐn)?shù)；
S2：當(dāng)用戶啟動(dòng)口語測(cè)評(píng)功能時(shí)，根據(jù)測(cè)評(píng)的總時(shí)長T、身份認(rèn)證分?jǐn)?shù)S計(jì)算得到認(rèn)證次數(shù)和認(rèn)證時(shí)間；
S3：當(dāng)認(rèn)證時(shí)間到達(dá)時(shí)，獲取用戶的語音信息，并與標(biāo)準(zhǔn)語音模板進(jìn)行對(duì)比，如果匹配，本次認(rèn)證成功；否則返回步驟S3對(duì)下一次認(rèn)證時(shí)間進(jìn)行監(jiān)測(cè)；
S4：根據(jù)本次口語測(cè)評(píng)的認(rèn)證結(jié)果更新身份認(rèn)證分?jǐn)?shù)。
2.根據(jù)權(quán)利要求1所述的基于說話人識(shí)別技術(shù)的口語測(cè)評(píng)身份認(rèn)證方法，其特征在于，所述步驟S1還包括：實(shí)時(shí)檢測(cè)是否接收到老師反饋的身份認(rèn)證分?jǐn)?shù)，如果是，更新身份認(rèn)證分?jǐn)?shù)。
3.根據(jù)權(quán)利要求1所述的基于說話人識(shí)別技術(shù)的口語測(cè)評(píng)身份認(rèn)證方法，其特征在于，所述步驟S1中，所述語音信息為多條，通過麥克風(fēng)直接獲取或是從用戶的測(cè)試數(shù)據(jù)庫中調(diào)取。
4.根據(jù)權(quán)利要求1所述的基于說話人識(shí)別技術(shù)的口語測(cè)評(píng)身份認(rèn)證方法，其特征在于，所述步驟S2具體為：
S2a：計(jì)算認(rèn)證次數(shù)A，A＝5T/S；
S2b：計(jì)算認(rèn)證時(shí)間：Pi＝Pi-1+B；其中，Pi-1＝0，B為0～12S之間的隨機(jī)數(shù)。
5.根據(jù)權(quán)利要求4所述的基于說話人識(shí)別技術(shù)的口語測(cè)評(píng)身份認(rèn)證方法，其特征在于，所述步驟S3具體為：
S3a：當(dāng)認(rèn)證時(shí)間Pi到達(dá)時(shí)，設(shè)定認(rèn)證錯(cuò)誤次數(shù)為0；
S3b：判斷在預(yù)設(shè)的延長時(shí)間內(nèi)是否接收到用戶的語音信息，如果是，執(zhí)行步驟S3c；否則，認(rèn)證失敗次數(shù)累積1，返回步驟S2；
S3c：認(rèn)證錯(cuò)誤次數(shù)是否達(dá)到預(yù)設(shè)的認(rèn)證錯(cuò)誤上限值，如果是，認(rèn)證失敗次數(shù)累積1，返回步驟S2；否則，執(zhí)行步驟S3d；
S3d：將接收的語音信息與標(biāo)準(zhǔn)語音模板進(jìn)行對(duì)比，如果匹配，返回步驟S3a對(duì)下一次認(rèn)證時(shí)間進(jìn)行監(jiān)測(cè)；如果不匹配，認(rèn)證錯(cuò)誤次數(shù)累加1，返回步驟S3b。
6.根據(jù)權(quán)利要求5所述的基于說話人識(shí)別技術(shù)的口語測(cè)評(píng)身份認(rèn)證方法，其特征在于，所述步驟S4中，身份認(rèn)證分?jǐn)?shù)為認(rèn)證失敗次數(shù)的倒數(shù)。
7.根據(jù)權(quán)利要求1所述的基于說話人識(shí)別技術(shù)的口語測(cè)評(píng)身份認(rèn)證方法，其特征在于，該方法分析用戶的語音信息時(shí)，首先構(gòu)建若干個(gè)分類器，然后將分類器進(jìn)行融合，得到標(biāo)準(zhǔn)語音模板。
8.根據(jù)權(quán)利要求7所述的基于說話人識(shí)別技術(shù)的口語測(cè)評(píng)身份認(rèn)證方法，其特征在于，所述分類器的構(gòu)建方法如下：
首先，提取語音信息相應(yīng)的JFA話者超向量，從JFA超向量中的均值向量中選取一個(gè)新的維度較低的子空間；然后，采用主成分分析方法對(duì)該子空間中的特征向量進(jìn)行最優(yōu)降維，將其投影到維度為J的低維子空間中；其次，在該低維子空間中，應(yīng)用隨機(jī)采樣技術(shù)得到若干個(gè)隨機(jī)子空間；最后，對(duì)于每個(gè)隨機(jī)子空間，分別進(jìn)行類內(nèi)協(xié)方差規(guī)整以及非參數(shù)線性區(qū)分分析，從而得到每個(gè)隨機(jī)子空間對(duì)應(yīng)的投影矩陣，即分類器。
9.根據(jù)權(quán)利要求7所述的基于說話人識(shí)別技術(shù)的口語測(cè)評(píng)身份認(rèn)證方法，其特征在于，采用動(dòng)態(tài)融合方法對(duì)分類器的輸出進(jìn)行融合。
10.根據(jù)權(quán)利要求7所述的基于說話人識(shí)別技術(shù)的口語測(cè)評(píng)身份認(rèn)證方法，其特征在于，所述動(dòng)態(tài)融合方法具體為：
首先，對(duì)來自大量說話人的開發(fā)集語音數(shù)據(jù)集X進(jìn)行分析，根據(jù)一定的準(zhǔn)則將其劃分為K個(gè)子集SK；然后，用每個(gè)分類器對(duì)各個(gè)子集中的語音數(shù)據(jù)進(jìn)行測(cè)試，統(tǒng)計(jì)相應(yīng)的得分輸出；最后，將得分平均值作為確定分類器在各個(gè)集合上的權(quán)重。