随着计算机技术与模式识别技术的发展,说话人识别技术已经取得了令人满意的效果。当下,从网络上获取语音已经成为一种主流方法,然而网络中语音数据大多以压缩编码的形式存在,但针对压缩语音说话人识别系统性能仍然存在着许多的不足。实验发现,在训练数据与测试数据存在压缩编码失配的情况下,传统说话人识别系统的性能有一定程度的下降,影响了说话人识别技术的通用性。本文主要研究了在训练数据和测试数据存在压缩编码失配的情况下的说话人识别问题。论文主要以基于I-vector的说话人识别技术为基础,提出了针对压缩语音的以PNCC特征为主系统,以编码激励特征、改进的SCF特征为辅助系统的说话人识别方案,与基于MFCC传统说话人识别系统相比,在保证了基础系统性能的情况下,提升了系统的鲁棒性。针对面向压缩语音的说话人识别技术,本文主要做了以下研究工作:(1)实现了基于Ⅰ-vector技术的基础说话人识别系统。通过评估系统在不同数据环境下的说话人识别性能指标,研究系统参数的配置,进一步完善基于I-vector技术的说话人识别系统。(2)针对G.723.1低速压缩语音编码,从语音短时谱特征、编码比特流特征、SCF特征三个方面,研究其针对编码失配的鲁棒性,并且针对SCF结合基频进行研究。(3)提出了一种以PNCC特征为主系统,结合编码比特流提取语音激励特征、改进的SCF特征作为辅助系统的说话人识别系统,在I-vector融合、得分融合领域均能改善系统性能。对比分析不同融合方法的优缺点,择优选取融合方案。