目前的说话人识别系统普遍采用PC机或者服务器的形式作为系统的工作平台,这种方式不可避免地存在体积大、功耗高、不便携和实用性低等问题,使得说话人识别系统至今无法普及。针对这样的问题,本文设计并实现了一种基于ARM的便携式说话人识别系统。本文对说话人识别系统的基本算法进行了深入的研究分析与改进,提出了基于时频参数融合的自适应端点检测算法,提高了端点检测的准确率和抗噪性,解决了常用端点检测算法在噪声环境中不能有效地分割词语的问题;还提出了基于Fisher比的Bark小波包变换的特征提取算法,明显提高了系统的识别率和鲁棒性,解决了MFCC特征参数在噪声环境中识别率低的问题。本文采用OK6410开发板作为硬件平台,并移植Linux操作系统作为软件平台,在此基础上设计软件框架。首先移植本文研究的说话人识别算法,实现算法各部分功能;其次在硬件平台上实现语音信号的采集,采集的语音数据经过特征提取算法获得Fisher比Bark小波包倒谱系数(FWBCC),使用VQ建立模型,采用欧式距离计算出识别测试模板与模板库中所有模板的误差,找出误差最小的模板作为识别结果;最后在QT用户界面上显示和播报识别结果,并将整个系统移植到硬件平台上进行测试。测试表明,系统达到了预期的设计目标,具有较好的便携性、准确性和鲁棒性,为实际生活中的密码支付提供了一种新的方案。