近些年,随着科技的迅速发展,给生活带来了巨大变化,人们享受着科技带来便捷的同时也遭受科技带来的安全威胁,如何通过更有效的身份验证方案,给人们提供更安全的人身和财产保障成为大家关注的焦点。而说话人识别技术作为一项关键的多媒体数据分析技术,成本低、特征易提取且应用方便快捷,因此已经在公安办案、各种防盗门系统、通信、互联网信息传输、呼叫中心等领域广泛应用。识别过程包括:对语音进行预处理,进行特征提取,然后将特征输入到模型中进行训练,再测试模型以判断说话人识别的性能。在说话人识别技术中,身份认证矢量(identity vector)由于其性能明显优于其他方法而被广泛使用,也是目前说话人识别领域中最先进的技术之一。它对说话人各自特性进行很好的描述,这些特性可应用于说话人识别和聚类。而总体变化子空间的估计作为基于i-vector说话人识别技术的关键部分,其估计效果将直接影响系统的性能,需要重点解决。本文在GMM-UBM的基础上,使用因子分析法实现基于i-vector的说话人识别,并对实验结果进行融合;同时考察了高斯混合数、语音长度和数量、特征参数等不同参数组合下的系统性能,并通过实验验证了算法的有效性。