随着信息技术的发展,人们的交互手段越来越多样化,对身份鉴别的要求随之越来越高。生物认证技术基于人们自身的生理和行为特征进行身份鉴别,以其独特的优势,日益显示出它的价值。说话入识别技术被认为是最自然的生物认证技术,它是一项根据语音中反映的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。近年来,说话入识别技术己成为研究领域的一大热点。然而,说话人识别技术应用于实际环境,还存在着很多难点,实时性不够就是其中之一。在详细分析说话人识别的最新的研究进展和主要特点的基础上,本文试图用多元统计分析中的两种方法:主成分分析和独立成分分析解决这个问题。在本论文中,我们提出新的词语不相关的说话人识别技术。主成分分析(PCA)分解法被广泛地应用于特征抽取的过程。此分解法可从输入的向量群中,找出其相互正交的主要成分。我们可以透过得到的主要成分进行维度缩减的动作。一开始,我们必须利用同时具备时间与频率特性的特征,来建构一个协方差矩阵。接着,使用PCA 找出转换矩阵,以求取得更好更有辨认能力的特征。然而,实验结果证明这种做法的辨认率不够高。因此我们提出一些能够增进辨认率的方法。我们使用另一种称为独立成分分析(ICA)的分解法来达成特征转换的动作。ICA 在近年来逐渐被大量的使用于各种应用层面,这是由于其具备有将所输入的向量群中相互独立的成分分解出来的能力。相对于使用PCA 基底,利用ICA 基底进行转换所得的特征进行说话人辨认,我们可以得到更高的识别率。