说话人识别作为生物认证技术的一种,是根据语音波形中反映说话人生理和行为特征的语音参数,自动鉴别说话人身份的一项技术。说话人识别技术以其独特的方便性、经济性和准确性等优势受到世人瞩目,并日益成为人们日常生活和工作中重要且普及的安全验证方式。因此,研究一种识别率高、鲁棒性强的说话人识别方法是国内外众多研究者努力的目标。本文通过分析说话人识别基本原理与系统结构,考察现有的说话人识别技术,研究采用线性预测倒谱系数和美尔倒谱系数为特征参数,运用矢量量化的说话人识别方法,建立说话人识别系统。为了有效地提高系统的识别效果,具体工作总结如下:首先研究了语音端点检测算法,介绍了常用的短时能量、短时平均过零率、基于小波变换后的分形理论和基于频带方差的端点检测方法,相关实验仿真均反映其各自算法特点。并在分析以上算法存在不足的情况下,提出了改进算法即子带频带方差和功率谱熵的端点检测算法,实验仿真结果证明了其优越性。接着研究了特征提取算法,主要研究了几种常见的语音特征参数(LPC、LPCC、MFCC),并对MFCC和LPCC进行了一定的理论推导,并提出了一种新的特征参数—基于最小方差无失真响应的感知倒谱系数PMCC。然后研究了说话人识别方法,简单介绍了各类常用的说话人识别方法,动态时间规正(DTW)方法,矢量量化(VQ)方法,隐马尔可夫模型(HMM)方法,高斯混合模型(GMM)方法,人工神经网络(ANN)方法、支持向量机模型(SVM)方法。着重详细地介绍了矢量量化(VQ)方法的基本原理及其应用,同时提出了改进的矢量量化(VQ)方法,并作为本系统识别方法。最后研究了系统的实现过程,提取的线性预测系数语音特征参数(LPCC)和美尔倒谱系数语音特征参数(MFCC),首先对LPCC和MFCC运用矢量量化(VQ)方法在不同码本容量,不同时长进行说话人识别实验,然后对LPCC和MFCC运用改进的矢量量化(VQ)方法在不同时长进行说话人识别实验,并比较、分析其识别实验结果,得出最佳识别方法—基于标准差的WDMVQ算法作为系统的识别方法。