说话人识别属于生物认证技术的一种,是一种根据语音波形中反映说话人生理和行为特征的语音参数来识别说话人身份的技术。在生物认证技术领域中,说话人识别技术以其独特的方便性、经济性等优势受到世人的关注。在保安、公安司法、军事、财经和信息服务等领域,都有着广阔的应用前景。正因为说话人识别具有如此广阔的应用前景,国内外许许多多的工作者投身于这一领域的研究中。使得说话人识别方面出现巨大发展。但它还远远没有成熟。本文以MFCC特征参数作为识别的特征矢量集。运用矢量量化(VQ)和高斯混合模型(GMM)技术实现与文本无关的说话人识别。本文的主要工作有:1,在特征提取部分,详细阐述了语音产生的数学模型,线性预测分析原理和LPC、MFCC特征的提取过程。2,介绍了说话人识别的不同方法,主要介绍了矢量量化技术,其实质是在一个多维特征矢量空间中,用少数的几个特殊的点来代表空间中全部的有效点,以达到压缩、识别的目的。还介绍了高斯混合模型(GMM)的理论和应用。3,对各个系统的性能进行了研究,在VQ模型中,研究了码本尺度对系统性能的影响和阈值的选取问题。在GMM模型中,研究了高斯混合模型的阶数和帧长度对系统性能的影响。最后对本文工作进行了总结,同时对未来的研究工作进行了展望。