随着信息技术的迅猛发展,基于安全访问控制的个人身份鉴别越来越具有重要的现实意义。说话人识别作为生物认证技术的一种,以其独特的方便性、经济性和准确性等优势受到世人瞩目,并必将成为人们日常生活和工作中重要且普及的安全认证方式。然而,语音信号特征的建模技术以及机器自动辨识说话人身份的研究离实用还有一定的差距。因此,研究一种识别率高、鲁棒性强的说话人建模方法势在必行。本文通过分析众多说话人识别方法,重点研究了常用的特征参数提取技术、动态时间归整技术及隐马尔可夫模型的说话人建模技术,结合聚类分析和主成分分析等方法的优点提出了一种新的建模方法。该方法有效地降低了高维参数的相关性,提高了参数处理的速度;同时,通过加权处理使特征参数的边界划分更加准确。实验结果证明,新的方法更加接近人的固有特征,可以有效提高说话人识别系统的识别率,具有很好的实用价值。