随着说话人识别技术的发展,以身份矢量I-vector为基础的说话人建模技术取得了非常大的成功,成为目前占主导地位的说话人识别系统。在此基础上,从实际应用的角度出发,每个说话人的注册数据以及注册说话人的数量往往是随着测试数据的增加而不断累积的。相比传统离线场景下的说话人识别技术,在线和增量识别场景的说话人识别系统具有更广泛的应用范围。针对这一课题,本文重点从以下几个方面展开了研究:(1)对I-vector模型的相关原理和关键技术环节进行了研究,设计并实施了基于I-vector的说话人识别系统,对系统的各个组成部分进行方案选择与比较;(2)分析了在线场景下说话人识别系统所面临的问题,设计并实施了在线式的说话人识别系统,能够完成说话人的在线识别与注册;(3)针对在线开集说话人识别系统,结合特征分割算法、说话人更新与自适应技术等方法对系统的各个部分进行了方案设计和改进,并针对说话人确认环节的阈值设定和判决等问题提出了一种有效的阈值计算方法和双阈值判决机制,提高了说话人确认系统的性能;(4)对系统的各个环节进行了实验,通过实验对方案进行了验证和评估,结合不同指标对整体性能进行了评估与分析。