从语音信号中有效地提取个人特征进行说话人身份的识别，是语音识别研究的一个重要方向。在身份验证、信息检索等领域，自动说话人识别都具有广泛的应用前景，其研究具有重要的社会意义和实用价值。目前说话人识别在纯净语音环境中可以取得令人满意的效果，但是语音受环境因素、身体状况以及说话内容等条件的影响会使说话人识别率急剧下降。本文主要研究小波(包)变换在噪声环境下说话人识别系统的应用。主要工作如下： ⑴研究了说话人识别的相关知识，主要包括常用的语音特征参数及说话人识别模型。其中重点介绍了LPC、LPCC及MFCC参数和本文所采用的识别模型(GMM模型)。通过具体实验分析了常用特征参数LPC、LPCC和MFCC在不同信噪比环境下的性能。并对主流特征进行二次处理，包括特征差分和特征组合，进一步剥离出隐藏在语音背后的说话人特征，分析其性能。 ⑵研究了小波变换的原理，讨论小波变换与Lipschitz指数的关系，分析小波变换在语音消噪中的可行性，提出了改进的消噪算法，并通过实验分析其性能。 ⑶通过对小波包变换及Bark域中心频率的研究，提出了基于小波包变换的新的特征参数(BWP)，并通过实验分析其性能。