本文分析了说话人识别中的主要技术，从特征参数的获取到各种识别方法的应用，重点介绍了矢量量化(VQ)和高斯混合模型(GMM)两种基于模板的识别方法。并实现了一个主要基于VQ的说话人识别系统，在闭集测试中取得了较好的效果。 在VQ方法的训练中，提出了一种基于逐点搜索的改进的LBG算法，较好地解决了传统LBG算法在迭代过程中会产生空胞腔、无法适用于多种距离测度等问题。并设计了一种对VQ量化误差进行规格化处理的方法，使规格化后的量化误差更加适合对说话人进行判决。 对GMM方法的框架进行了初步的研究，并对EM算法中迭代初值的选定、方差的限定及模型混合数对识别结果的影响进行了一定程度的讨论。 在预处理方面，提出了一种基于基音轮廓抖动的去除语音中噪音段和静音段的方法，取得了很好的实际效果。 最终的识别系统针对8KHz的单声道语音，采用了10阶的线性预测系数、10阶的线性预测倒谱系数以及基音参数构建了一个主要采用VQ方法的说话人识别系统，在11个说话人的闭集测试中取得了接近100％。这个系统被进一步扩展到在多人对话场景下的自动分段说话人识别，也取得了一定的识别效果。