说话人识别是一种较为有效的生物认证技术,它通过对语音数据的分析判断出何人在什么时间发出了声音。这种技术具有十分广阔的应用前景,已有的应用系统多为简单的说话人确认系统。本文研究了对话型语音的说话人识别技术,并实现了一个实用的说话人辨认系统。主要工作归纳如下：(1)提出了两阶段贝叶斯信息准则BIC (Bayesian Information Criterion)分割方法,第一阶段采用较大窗长分割策略保证了在线识别方法的即时性,第二阶段基于BIC的分割准则保证了说话人分割的准确性。(2)实现了一个基于矢量量化VQ (Vector Quantization)的说话人识别系统,改进了传统的LBG算法,使其更好的满足系统的在线识别特性。(3)提出了基于差别子空间的说话人识别方法,为每个说话人建立相应的子空间,将测试语音的个性特征与训练库中子空间进行比较,比较得分最高的即为识别结果。该方法有效提高了系统识别的准确率,同时降低了系统的时间开销,适合在线识别系统采用。(4)实现了一个基于对话型语音的说话人在线识别系统。