语言是人类信息交互最基本的方式,而随着信息科技的发展,人机交互成为科技提升中新的迫切需求。说话人识别技术凭快捷、有效和成本低等优势,成为被广泛接受的重要生物认证技术之一。该技术在信息认证、司法侦查、电子商务、证件防伪等方面得到广泛应用。说话人识别也称声纹识别,是语音信号处理技术中的重要领域之一。虽然说话人识别技术在理论研究上已获取一定成果,但高噪声、高失真的实际环境会致使说话人识别系统的识别性能急剧下降。语音特征参数提取是说话人识别算法中的最关键的一部分。因此,当前的研究热点即为如何在高噪声环境下提取识别性能和区分性能优越的语音特征。本文在现有说话人识别算法的基础上,对信号特征提取的特征提取与加权、滤波器设计等方面存在的问题进行深入研究,提出解决方案。1.针对传统梅尔频谱存在高方差与时延性,Mel滤波器组模拟人耳听觉特性能力不佳,MFCC抗噪性能不良,及梅尔频谱特征参数仅表达语音的静态特性等问题,提出基于多窗谱估计和Gammatone滤波器组的加权混合特征提取算法,在降低频谱的方差与降噪的同时,最大程度地保留MFCC的说话人个性特征信息,从而提高说话人识别算法的识别性能。2.针对传统Mel滤波器组低频紧凑、高频稀疏的分布与正常音有效信息频谱分布特点不符,且固定的滤波器数目不适应变化的语音信号等问题,设计基于F比和Gammatone滤波器的自适应改进滤波器组,提出基于自适应改进滤波器组的说话人识别算法。