从上个世纪的八十年代,说话人身份认证作为模式识别领域类一个的分支,越来越受到研究人员的青睐。身份认证技术分为文本无关和基于文本的两种。文本无关说话人认证系统均是基于高斯混合模型并结合背景模型的,这类系统忽略说话人说话的内容、语言等,因而其工程应用价值相对较小。基于内容的身份认证技术是指通过说话人所讲的内容,来辨析说话人的身份的技术,这种技术相对文本无关的说话人认证有更强的实用价值,也是本课题研究的重点。本课题着重介绍了言语信息验证技术和与其密切相关的说话人确认技术。对于前者,课题中讨论了HMM,VQ和DTW三种传统技术的性能,并将三者相结合得到良好的系统性能。后者是一种典型的基于内容的说话人认证系统,也是课题讨论的重点,课题中采用在线废料模型和多层置信度的方法,并根据对HMM模型进行评测得到的结果,提出了对不同子词得分赋予不同的权重,并最终有效地提高了传统的言语信息认证系统的性能。由于内容相关的说话人认证技术与语音识别技术关系密切,尤其好的模型是言语信息认证系统的基础,因此本课题中对HMM的训练进行了讨论,并通过实验得到了用于身份认证系统的HMM模型。课题的最后将说话人确认和言语信息验证技术相结合,提出搭建完整的基于内容的身份认证系统的方法,并通过实验证明了其可行性。