在生物识别技术中,说话人识别技术是一种较为常见的识别技术,同时说话人识别技术的许多研究和应用也越来越多的被人们所关注。说话人识别技术就是让机器模拟人耳的特性,来对说话人进行识别和确认。人耳作为人的听觉器官在说话人识别过程中具有良好的抗噪性能和识别能力,因此更多的学者和研究人员都致力于对人耳的听觉特性进行研究。基于人耳听觉特性所提出的一些算法虽然识别性能都较好,但在噪声环境下识别效果仍然欠佳。针对这种问题,本文从人耳听觉特性算法进行研究,发现耳蜗倒谱系数(Cochlear Filter Cepstral Coefficient,CFCC)在噪声环境下识别效果相对较好。因此本文对CFCC进行进一步的研究,提高其算法的整体识别效果。论文的主要工作如下:1、提出融合非线性幂函数和维纳滤波的CFCC算法。首先,将语音信号经过维纳滤波算法,提高其语音信号的信噪比;然后,将CFCC融合非线性幂函数,得到新的CFCC(NCFCC),提高了高信噪比条件下算法的识别率;再将经过维纳滤波的语音信号作为NCFCC的输入语音信号;最后,对该算法进行说话人识别。试验结果表明,与梅尔频率倒谱系数、Gammatone频率倒谱系数和CFCC相比,所提出的算法提高了说话人整体识别率,同时在噪声条件下具有良好的鲁棒性。2、提出将Mel滤波器组融入到CFCC中得到新的特征算法MFCFCC。首先,将语音信号输入到Mel滤波器组中进行滤波,变成二维的语音信号;然后,通过加权求和方法将二维语音信号变为一维语音信号,再将得到的语音信号经过CFCC过程;最后,得到新的说话人识别特征MFCFCC。试验结果表明,MFCFCC与其它特征算法比较,其在噪声环境下,能显著提高说话人的识别率,在纯净语音条件下也能提高识别性能。