说话人身份识别是根据说话人的语音来识别身份的一种生物认证技术。目前,应用于说话人识别的技术大多是基于线性系统理论的,但是说话人识别过程本身却是一个复杂的非线性过程,而人工神经网络恰恰是一种基于非线性理论的分布式并行处理网络模型,具有很强的模式分类能力及对不完全信息的鲁棒性,所以利用神经网络作为分类器进行说话人识别是一种必然趋势,它为说话人识别技术提供了一种独特的方法和思想。针对说话人识别的具体流程,本文首先详细介绍了与其相关的语音信号预处理、端点检测和特征参数提取技术,建立起使用BP神经网络作为分类器的说话人识别系统;然后针对BP神经网络收敛速度慢和易于陷入极小值的问题,在粒子群优化算法中引入混沌思想,提出一种混沌粒子群优化算法,用来改善粒子群优化算法摆脱局部极值点的能力,并将其运用到BP网络训练中,提高了BP网络的计算精度和收敛速度;再将用该方法训练的BP网络用于说话人身份识别中,其识别率和训练速度都得到了较大提高,使得基于BP神经网络的说话人识别取得了更好的效果。此外,在以上研究基础上,本文选用ARM和Linux构建了嵌入式平台,完成引导程序,对Linux内核进行移植裁剪,建立根文件系统,并成功将说话人识别程序移植到嵌入式系统中。