语音是人与人之间交流最直接且最有效的途径之一。语音在承载信息的同时,还包含了说话人的个性特征。说话人识别技术就是依据语音信号中能够代表说话人个性特征的参数来识别话者身份的技术。在过去的几十年里,说话人识别技术取得了很大的发展和进步。而阻碍说话人识别技术进一步走向实用的主要障碍,则是各种实际应用场景中的噪声。这些噪声极大地降低了系统的识别性能,影响了说话人识别技术的应用和推广。本文主要研究了在噪声环境下的说话人识别问题。论文主要对端点检测、信号空间的抗噪技术、特征空间的抗噪技术等方面进行了研究。本文主要研究工作包括以下几个方面：(1)低信噪比下的端点检测技术研究,首先介绍了在噪声环境下表现效果较好的两种端点检测方法：基于C0复杂度的端点检测算法、基于MFCC相似度的端点检测算法；然后在二者的基础上研究了一种新的端点检测算法：基于改进C0复杂度和MFCC相似度相结合的端点检测算法；最后对三种端点检测算法进行实验分析,证明了改进算法性能优良、稳定性更高。(2)信号空间的抗噪技术研究,首先介绍了常规的信号空间抗噪方法：谱减法、维纳滤波法、基于先验信噪比的维纳滤波法；然后在先验信噪比的维纳滤波法基础上增加端点检测环节：将基于MFCC相似度的端点检测融入到维纳滤波法中；最后对几种算法在不同信噪比环境下进行对比实验,验证了改进算法的识别性能。(3)特征空间的抗噪技术研究,首先介绍了几种常用的鲁棒性特征：梅尔频率倒谱系数及感知线性预测系数,并对上述两种特征分别进行改进；然后,对改进后的两个特征进行融合；最后,对改进前后的几种特征参数做对比实验,验证了新的特征参数具有更高的识别性能。