该文就是从基于人脸和说话人语音的身份识别出发,完成了以下研究工作：（1）我们将独立分量分析应用到特征抽取问题中,并根据特征抽取问题的具体情况,提出了独立特征提取方法.（2）我们将独立特征抽取方法应用于人脸图像特征抽取,考虑到人脸图像数据量大,提出了采用基于四阶矩的独立分量抽取方法并且后端采用遗传算法对求得的独立基进行选取,在保证识别率的同时降低了运算量.取得了令人满意的效果.（3）对于说话人识别,由于不同频率上的相关性包含了说话人声带的共振信息.能有效区分说话人,我们提出了基于主分量分析和Fisher准则的说话人特征抽取,利用了主分量分析将Mel域频矢量进行了坐标基变换.而使得各频带间的相关性在这个新的坐标基下更突出了.再利用Fisher准则对求得的新的特征矢量中参数进行选择,得到了相同维数情况下区分度最优的特征矢量.（4）我们还提出了对语音信号的短时频谱向量做独立特征分析,有效利用频谱矢量元素间的高阶统计信息,进一步考虑各个频率间的相依性,从而求得一组独立频谱系数.（5）针对说话人识别中的通道鲁棒性问题,我们提出了在多通道录音环境下,采用基于子空间分解的方法,利用噪声子空间和信号子空间的正交性对通道系数进行识别,进而构造均衡器恢复出源信号.能有效的消除通道或回声造成的影响.最后,我们还设计完成了基于人脸和说话人语音的双通道身份识别系统.对基于生物特征的身份识别技术的实际应用做了有益的探索和尝试.