说话人识别,是指通过从说话人的语音波形中提取表征说话人的特征参数,从而达到自动识别说话人的身份,其核心技术是特征提取和模式匹配。说话人识别具有广阔的应用前景,比如身份认证,安全保密,门禁等系统。　　从待识别的语音内容分类,说话人识别可分为文本相关、文本无关和指定文本三种;从说话人的发音方式可分为连续的和孤立词的。特定文本的孤立词说话人识别系统被作为分析和研究的对象。　　首先从信号处理的角度,对说话人识别的基本理论部分进行了分析和研究,包括语音信号的产生模型,预处理,端点检测等。在语音信号端点检测处理中,改进了传统的双门限检测算法。在检测之前使用谱减法去噪音,并且通过试验确定了自适应的门限阈值,提高了端点检测的准确性和说话人识别效果。　　在特征提取方面,美尔倒谱系数作为一种能够比较充分利用人耳对不同频率信号的灵敏度不同的感知特性参数得到了广泛的应用。提取最能体现说话人特征的美尔倒谱系数及其改进的一阶差分参数,并结合在一起形成新的特征参数,这种参数比单纯的美尔倒谱系数能更好的反映说话人的特征。在模式匹配方面,对动态时间规整、矢量量化和隐马尔科夫模型进行了比较和研究,采用混合高斯隐马尔科夫模型作为本系统的识别算法。　　最后用Matlab和VC++6.0软件相结合实现了一个简单的有效的说话人识别系统。