模仿者蓄意模仿说话人的语音，当相似度很高时，模仿者就很有可能欺骗身份鉴别系统，并获得相应的权限来侵入系统，对信息安全和个人隐私造成严重威胁。因此，进行语音蓄意模仿的分析研究对国防、信息安全及刑侦等均具有重大意义。　　本文对语音反蓄意模仿进行了语音增强、特征参数提取研究，并建立了基于SVM的反蓄意模仿说话人识别系统，主要内容如下：　　（1）本文介绍了蓄意模仿的相关概念以及研究现状，举例分析了语音蓄意模仿对社会和信息安全的危害。从说话人识别系统的全局着手，分析了语音预处理的重要性，简单说明了特征参数提取，介绍了常见的说话人识别模型，并对其进行分析。　　（2）语音信号不可避免地受到各种环境噪声的影响，为了提高系统的识别率，要对语音进行增强处理，提取尽可能纯净的语音。本文利用小波阈值去噪方法对含噪语音进行去噪，结合并改进传统的软硬阈值去噪方法，提出了一种新阈值函数去噪方法，取得了良好的去噪效果。　　（3）对MFCC倒谱系数及其差分倒谱系数进行了详细阐述，为了获取更具个人语音特性的特征参数，提取了WMFCC和IWMFCC，同时提取了DWTWC语音特征参数。根据增减分量法原理，提出MFCC+△MFCC、 MWI-MFCC和DWI-MFCC混合特征参数。　　（4）建立了蓄意模仿语音库，并介绍语音相似度主客观评价方法；研究MFCC、MFCC+△MFCC、MWI-MFCC和DWI-MFCC倒谱系数对语音蓄意模仿的分辨能力，以及它们对语音蓄意模仿相似度的描述能力。实验表明，这四种特征参数中DWI-MFCC倒谱系数性能最好。　　（5）详细介绍了支持向量机的基本原理，建立了基于SVM的语音反蓄意模仿识别系统，并与基于VQ的说话人识别系统作比较，错误接受率从VQ系统的12.25％降低到SVM系统的6.4375%，证明了本文建立的系统具有更优良的性能。　　（6）对本文的工作进行总结，并提出下一步的研究方向。