说话人识别是一项根据语音信号中反映说话人生理和行为特征的语音参数,自动识别说话人的技术,是一种安全稳定的生物认证技术,具有广阔的应用前景。如何从语音信号中准确提取说话人的个性特征,是说话人识别的关键问题。本文研究与文本有关的说话人识别问题。通过对语音信号的预处理、频域及倒谱域的分析,得到了平均MEL倒谱,选取MEL倒谱峰值对应的频率为特征频率。选择其中随时间变化最大的和对应MEL倒谱峰值最大的特征频率作为本文的特征频率来进行分析。对两个特征频率Mel倒谱值序列分别建立多元线性回归模型,分离其趋势分量和波动分量。本文在TVPAR模型理论基础上进行拓展,建立时变向量自回归(TVVAR)模型,并对二元波动分量序列进行分析,进一步提取说话人语音信号的特征参数,并通过D比来评价和选择最终的识别参数。运用马氏距离,对说话人进行初步识别,达到了99.8%的识别率。为了充分利用距离的信息,对距离差的分布进行了分析,将到说话人语音模板的距离减去与到他人的距离,得到了距离差的分布情况,运用概率论的知识,将本实验的识别率提高到了100%。最后,对于每一个语音的识别,均给出了合理的可信度。实验证明,TVVAR模型可以有效的分析自协方差非平稳向量时间序列。