说话人识别技术是一种基于个人独特的语音特征进行身份鉴别的技术。　　 当前，很多说话人识别系统仍处于实验阶段，少数实用系统也都有限定条件，其主要问题有两个：一是系统在噪声环境中的性能都不可避免会急剧下降；二是需要较长的语音文本以及大量的训练数据来建立话者模型。本课题针对以上两点，用Matlab搭建了基于矢量量化(VQ)和基于高斯混合模型(GMM)的两个说话人识别系统，深入研究了多种语音增强算法，并融入到两个识别系统中，在噪声环境下有效提高了识别系统的鲁棒性能；使用尽可能少的训练数据(2S)建立有效的话者模型，实现鲁棒的抗噪声说话人识别系统。此课题的研究具有一定的现实意义。　　 本课题主要工作如下：　　 (1)研究了两种特征提取方法：LPCC和MFCC，选用了在有信道噪声和频谱失真时鲁棒性较好的MFCC作为说话人识别系统的特征参数。　　 (2)研究并实现了基于VQ和基于GMM的与文本无关的说话人识别系统，实现了对文件语音的识别和对来自麦克风声音的实时的身份识别，以及查阅和删除数据库信息、各参数图谱分析、语音播放等功能。并对传统的LBG算法作了去除空胞腔及分裂上的优化。　　 (3)实验室环境录制了23人的69段各2秒的短语音库，于VQ和GMM两系统上进行了多组实验：确定了系统最佳MFCC维数20mfcc+20△mfcc(40维)和预加重系数；证实了VQ识别率随质心数增加而增长；而对训练数据不充分的短语音，GMM识别率却并不随混合数增长而增加!综合考虑识别速率，确定了最佳质心数和混合数。实验结果也表明GMM系统的鲁棒性优于VQ系统。　　 (4)研究了基于小波的语音增强方法，包括Daubechies小波(db2、db4)的全阈值消噪和Symlets小波的四种阈值消噪(heursure启发式阈值、rigrsure自适应阈值；sqtwolog固定阈值；minimaxi极大极小值阈值)，并融入到VQ与GMM识别系统中，实验测试了各种阈值小波增强对系统识别率的影响。　　 (5)研究了WF维纳滤波、SS谱减、SDNFS软判决噪声抑制滤波、小波自适应阈值消噪和MMSE-STSA-LOG短时对数谱最小均方误差五种语音增强方法，并提出了一种自适应阈值小波与子空间联合增强的新方法。先从各时域波形图与语谱图噪点进行分析，并将各增强算法载入VQ和GMM模型的话者识别系统上进行实验，对测试语音进行了多种信噪比的文本相关和文本无关的识别率测试。实验结果表明：MMSE-STSA-LOG增强有效地提高了GMM系统的抗噪鲁棒性；而新增强方法在噪声环境下，识别性能优于单纯的小波增强和单纯的子空间增强，有效地提高了VQ识别系统的抗噪鲁棒性。