说话人识别是语音信号处理的一项重要技术,是当前研究的热点之一。说话人识别是根据包含在语音中与说话人有关的信息来判定说话人的身份。本文从多个角度对说话人识别进行研究,实现了包括语音增强、特征提取、模型选择、产生识别结果在内的说话人识别系统。本文主要做了以下几个方面的研究:(1)分析STSA-MMSE算法实时性差的原因,通过引入参数(?)提高该算法的实时性,同时与听觉掩蔽效应相结合以减小语音的失真,提高语音的信噪比。通过Matlab仿真证明,改进后的算法在实时性和减小语音失真方面均好于原算法。(2)分析Mel频率倒谱系数各阶(MFCC)的特性,利用高阶参数对噪声的稳定性,对特征参数加正弦窗,提高特征参数的抗噪性。实验证明:加窗后特征参数的鲁棒性好于原特征参数。(3)研究矢量量化(VQ)理论在说话人识别中的应用,根据不同特征对识别率的贡献不同,在失真测度中对特征参数加权,以此提高系统的识别率。实验结果表明:本文给出的加权矢量量化算法在噪声环境下,性能优于原来的矢量量化算法。