随着智能设备在生活中的广泛应用,自然顺畅的人机交互方式成为人们关注的焦点,身份识别的方式也逐渐由密码等方式向生物特征识别方式转变。说话人识别作为生物特征识别中的一种,利用语音来进行身份识别,具有数据采集方便、用户体验好和识别准确率高等特点,在司法鉴定、远程身份识别和智能家居等场景被广泛应用。说话人识别中,注册过程提取语音的声学特征构建声纹模型,识别过程以待识别样本的特征和声纹模型的匹配评分来进行判决。少量的注册语音难以构建高效的声纹模型,对于文本无关说话人识别,语音的文本内容差异也会对匹配评分造成影响,进而影响识别性能。本文在基于语音特征空间分布的说话人识别框架下,研究降低注册/识别语音文本差异对识别性能影响的方法,主要工作及贡献有以下四方面:1、提出了一种基于语音特征空间分布的说话人识别方法,该方法包括三个步骤:语音特征空间构建、说话人注册(利用语音特征空间计算声学特征序列的空间分布)以及说话人识别(利用语音特征空间计算待识别样本的声学特征分布并进行评分判决)。本方法基于特征空间定位的思想,利用特征的空间分布对声纹进行建模,实现了说话人区分信息表达和轻量样本注册,并且训练数据容易获取。2、验证本方法的可行性,在400个说话人的语料库上本方法可以达到0.90的识别准确率。对本方法的实现及方法的优势进行理论分析和实验探究,包括语音特征空间的构建方案、特征邻域的选择、关联度的定义、语音时长对性能的影响和语音特征空间的共享性等。3、提出了两种降低注册/识别语音文本差异对说话人识别性能影响的策略。一是利用线性判别分析方法对特征分布矢量进行变换处理,降低语音文本内容对说话人特征的影响,在400个说话人的语料库上识别准确率达到0.95。二是设计包含全部韵母的最小注册文本,提升注册文本的声纹特征空间覆盖率,减小识别样本与注册样本的空间失配的概率,达到提升说话人识别性能的目的。结合两种策略进行实验研究。4、实现了一个文本无关的说话人识别系统,系统包含用户注册、声纹模型存储和用户识别等功能,提供了用户注册与用户识别的模块函数用于二次开发。在真实环境下测试系统,本说话人识别系统具有较高的已注册用户识别准确率和未注册用户检出率。向用户提供系统的使用说明。