科学技术的迅猛发展使信息产业在国民经济和人民生活中扮演着越来越重要的角色。如何有效地提取信息持有者的身份特征是保证信息安全的关键,因此基于安全访问控制的说话人识别技术具有非常现实的意义。目前,应用于说话人识别的技术大都是基于传统线性系统理论,但说话人识别本身是一个复杂的非线性分类过程。人工神经网络是基于非线性理论的分布式并行处理网络模型,具有很强的模式分类能力及对不完全信息的鲁棒性。研究基于神经网络的说话人识别技术是一种必然趋势,它为说话人识别技术提供了一种独特的方法和思想。本文首先在研究、分析语音信号的采集、预处理过程和常见的特征参数提取方法的基础上,重点研究了基于模式识别的BP神经网络和SOM神经网络;接着通过实验分析,结合传统主分量方法的优点提出了一种改进的主分量方法优化说话人特征,结合大量实验和遗传优化神经网络;最后实验结果证明,优化后的方法更能有效提高说话人识别率。