说话人识别是语音信号研究中的一个重要方向，有着重要的理论意义和广泛的应用前景。近些年来，有越来越多的新技术、新方法被应用到说话人识别中来。本论文的目标是将支持向量机应用于说话人识别系统，主要研究内容如下：第一，介绍了本论文中使用的特征参数的提取和GMM统计模型，简单讨论了大数据量的处理；第二，讨论了支持向量机的基本理论，着重介绍了一些基本的算法，它们是将支持向量机应用于说话人识别的理论基础；第三，分析支持向量机技术的优缺点。支持向量机作为数据挖掘中的一项新技术，近年来在模式识别等许多领域取得了与传统方法可比或更好的结果，具有比传统方法更好的分类性能，但是由于它的训练方法非常复杂，难以处理大样本，限制了其在说话人识别方面的使用，另外，支持向量机属于一种模板匹配方法，对语音信号的统计信息不能加以利用；第四，在以上分析的基础上，提出了一种基于GMM统计参数和SVM的说话人辨认系统，首先利用EM算法来处理说话人的大量样本，并将这种方法与矢量量化的方法进行比较，显示了EM算法更好的“聚类”性能；其次，用EM算法处理后的特征向量训练SVM说话人辨认模型，解决了SVM模型训练困难的问题，并且在识别时取得了较好的效果；最后，本文分析了倒谱加权方法在本系统上的应用，通过实验得到了一个适合于本系统的加权窗函数，在与倒谱加权方法结合后，系统的鲁棒性增强，识别性能进一步提高。