语音识别是一种最为理想的人机通信方式,随着计算机技术的进步,语音识别技术已经逐渐应用于控制、通信、消费等行业。语音识别既是理论问题,也是一个工程化问题。它综合多学科的理论成果,如声学、语音学、语言学、生理学、数字信号处理、信息工程、计算机科学、模式识别、人工智能等。怎样让语音识别推向更广泛的实用领域是目前语音识别技术研究的热点。本文主要研究的是说话人识别,它是语音识别的一个分支,可分为说话人确认和说话人辨认;同时还对语音特征分组在Internet上的传输进行了研究。文中首先就说话人识别的基本原理进行了阐述,然后详尽地分析了语音信号特征提取的全过程以及应用于语音识别的各种训练模型,包括本文采用的矢量量化模型、隐马尔可夫模型、高斯混合模型、人工神经网络、支持向量机等。在说话人识别系统中,系统识别率的高低直接决定了系统能否走向实际应用;为了提高系统的识别率,本文在最后专门研究了系统中距离测度的问题,对欧氏距离测度进行改进,提出了对各维特征分量进行加权以及考虑类内聚合程度和类间离散程度来对权值进行优化的方法;此外,针对特征分组传输丢失会对说话人识别系统产生较大影响这一事实,提出了在前端分组打包时进行分组交叉以及在服务端对丢失分组进行替代的方法;同时实现了一个分布式说话人识别系统,实践证明了文中所提出的方法是有效的。实验表明,通过对测度方法的改进以及在网络环境不好的情况下对特征分组的处理提高了系统的识别率,使系统具有良好的识别效果。