不同人语音信息中包含的语音特征存在差异性,通过说话人识别技术提取特征差异可以验证不同说话人身份。但是在现实应用中,受到环境中不同噪声影响,系统性能对比纯净环境出现明显降低,严重阻碍了说话人识别技术的应用发展,因此提高噪声环境下的说话人识别性能逐渐成为新的研究方向。在低信噪比环境下,现有说话人特征参数鲁棒性受到噪声干扰,性能下降,无法满足系统识别要求,同时I-vector（Identity vector,身份认证矢量）说话人识别模型受到信道因素影响,使得模型对说话人区分度较差,在噪声环境下识别准确率低,难以满足大规模多场景应用。本文对噪声环境下说话人识别存在的问题进行了研究,针对低信噪比环境下说话人系统识别性能下降问题,分别研究特征参数提取和信道补偿方法。论文主要工作如下:（1）通过预处理、特征提取等步骤得到I-vector说话人识别模型,将此模型作为本文的基础,后续作为基线的特征提取方法和改进方法均基于此模型。（2）研究低信噪比环境下特征提取方法,使用鲁棒性能更好的耳蜗倒谱滤波器进行特征参数提取,对耳蜗倒谱滤波器进行改进,得到新的特征提取方法,并使用改进的维纳滤波器作为前端处理方法。与梅尔频率倒谱系数等传统特征提取方法做对比,新的特征提取方法鲁棒性更强,提高了噪声环境下系统识别准确率。（3）研究特征空间信道补偿技术,利用特征弯折技术对前端语音信号进行处理,对线性判别分析进行改进,并使用类内协方差规整进行信道补偿,与传统线性判别分析结合类内协方差规整处理以及和基线进行对比,在外部环境噪声干扰下,改进方法提高了说话人的区分性,识别准确率有一定提高。