说话人识别是一项根据语音中反映说话人生理和行为特征的语音参数,自动识别说话人身份的技术。它不注重包含在语音信号中的文字符号以及语义内容信息,而是着眼于包含在语音信号中的个人特征,提取说话人的这些个人信息特征,以达到识别说话人的目的。用语音来鉴别说话人的身份有着许多独特的特点,如语音是人的固有特征,不会丢失或遗忘;语音信号的采集方便,系统设备成本低等。正是由于语音这一媒介自身特殊的优势,使的说话人识别正在迅速走向实用化,能广泛的应用于各行各业。本文以共振峰特征参数作为识别的主要特征,使用了基于小波包变换的特征提取参数。高斯混合模型(GMM)技术实现与文本有关的说话人识别。本文的主要工作有:第一,在语音信号的预处理方面,运用能量与振幅相关性,进行端点切分。在特征提取部分,运用提出了一种基于小波包变换的语音信号的共振峰特征算法。算法的基本思想是首先对语音信号进行多分辨分析的小波包变换,得到每个频带的小波分解节点,结合共振峰频率,选择合适的节点,计算各共振峰的能量,并进行归一化作为识别的特征参数。第二,运用高斯混合模型进行识别。在前面的研究基础上,把共振峰参数作为特征参数,进行高斯混合模型进行识别。最后介绍了各个特征的实现和实验,对结果进行了分析和比较,对各种参数的设置均给出了实验验证,对未来的研究工作进行了展望。