随着信息技术的发展和对信息安全的日益迫切需求,基于生物特征的个人身份识别技术也得到了飞速发展。说话人识别是生物识别的一个分支,随着近年来现代电子技术的高速发展,正以其独特的方便性、经济性和准确性等优势受到世人瞩目,是当前安全认证系统研究和发展的必然趋势。本文对小规模文本无关说话人识别的理论和技术进行了系统的研究。针对清浊音的不同特性采用多尺度分段小波去噪,较完整的保留了语音的频谱特性。使用自适应双门限法进行端点检测,能根据不同的语音环境做自适应变化,提高了端点检测性能。线谱对LSP(Linear Spectrum Pairs)系数具有良好的动态范围和滤波稳定性,以及良好的内插特性和量化特性,并能良好的表征说话人语音中的共振峰信息,能更好地提取语音信号中隐含的音谱特征,本文分析了其频谱特性,并与现有的主要说话人特征进行了性能分析和比较,证明LSP参数具有良好的说话人特征提取性能。同时针对GMM模型的EM算法使用k-Means聚类法进行了优化,提高了系统训练模型的性能。本文将LSP系数和GMM模型相结合建立了文本无关说话人识别系统,实验表明,该系统具有良好的性能和实用性,当信噪比为20dB至40dB时,识别率可达90%以上。