与文本无关的说话人辨认旨在通过说话人的语音而非语义信息从而辨认出话者的身份,该研究在充分利用语音识别的非接触性的基础上逐渐发展成为生物认证领域的关键技术。近年来伴随着日益复杂的网络环境以及语音传输信道的多样化,传统的说话人辨认方法已经无法适应实际的应用环境,因此说话人辨认的鲁棒性研究[1]成为当今说话人识别领域的热点。因子分析的方法实质上是对说话人的语音提取紧凑的能够代表说话人身份的特征矢量,被称为I向量或者总体变化因子。I向量是基于联合因子分析(JFA)[2]的方法在2010年由Dehak提出的,相比联合因子分析的方法,它只需训练出一个全局变化空间,从而每个说话人的语音特征就可以利用该空间的I向量来表示。实验表明因子分析的方法能够有效地解决训练与测试环境不匹配的问题。获取I向量首先要对每个说话人建模,文中采用LBG算法和模糊理论相结合的方法来初始化模型。由于I向量既包含说话人的特征又包含信道信息,因此对I向量进行信道补偿是必不可少的,目的是实现信道信息与说话人特征的分离。信道补偿技术包括线性区分性分析(LDA),主成分分析(PCA),类内协方差规整(WCCN),干扰属性映射(NAP)。实验中比较了不同信道补偿技术的识别性能,并且在识别过程中采用多种不同的方法包括矢量量化,对数似然度,支持向量机和余弦距离测度进行对比。结果表明信道补偿技术将LDA与WCCN方法结合,模式匹配模块采用余弦距离测度配合得分规整的系统能够达到较佳的正确识别率。最后论文对识别系统的训练和测试过程的图形用户界面进行设计与仿真。