本文所研究的声纹识别系统主要分为端点检测，特征提取和识别模型三个部分。端点检测部分主要研究了基于线性预测倒谱距离和短时过零率的双门限法，实验证明新的双门限法能够解决传统双门限法不能检测能量低的语音段的问题。特征提取部分，采用了美尔倒谱系数与差分美尔频率倒谱系数相结合的特征参数，更好的体现了说话人的个性特征。然后对高斯混合模型进行了研究，提出了分裂法与K均值聚类法相结合的模型参数初始化方法，并用高斯混合模型对两种端点检测算法、特征提取算法和训练方法进行了仿真实验，在纯净的语音环境下，系统具有良好的识别效果。声纹识别研究的难点之一，即是在背景噪声下的识别系统的研究。虽然在纯净语音环境下的识别系统性能很好，但是在噪声环境下，识别率明显降低。本文运用小波变换和小波包变换对噪声进行了去噪处理实验，小波包去噪效果明显优于小波变换，然后在小波包常用阈值和折衷阈值的基础上提出了改进的阈值去噪方法，通过对语音信号的对比仿真实验，和对整个系统的实验数据表明，本文提出的基于小波包改进阈值算法很好地去除了噪声，去噪之后的识别系统取得了较高的识别率。最后将算法应用在实际复杂的噪声处理中，算法仍然有效地去除噪声。