语音不仅是人与人之间信息的沟通的媒介,也携人自身与众不同的特征,同时也具有共性及各自独立的变性等特征。声纹特征是一种生物特征,它包含着说话人生理、物理构造不同的特征,不易被他人模仿、伪造,具有较高的专一性。随着信息技术的发展,越来越多的民事甚至刑事案件因声纹特征而引起的涉及身份伪造等一些列原始性、真实性的相关案件,为司法取证及公安执法取证带来诸多困难,因此,对说话人特征提取极其有效辨识,为协助公安办案、司法取证具有重要的意义。论文尝试从量子力学理论角度出发,对说话人的特征提取方法的这一新尝试进行研究,假设量子势垒就对应一个滤波器,利用信号与量子势垒的隧穿效应,并联系能量与频率的对应关系,建立势垒组量化了不同能量的多帧语音中的透射能力,将多帧通过势垒组时的隧穿频数的概率作为特征参数,从而建立不同人的语音特征,在对其特征进行高斯混合模型训练,通过编程实现检验其识别能力与效率。论文主要工作如下:(1)研究在Windows下的语音处理,并利用Windows API实现语音信号的录入、预处理、端点检测、分帧等声纹预处理过程;(2)从量子势垒理论中,找到与MFCC算法的相同点,实现量子势垒特征提取方法;(3)对特征提取后得到的参数进行处理,保证了与后面高斯混合模型所需参数的有效匹配;(4)在系统实现上,各个功能模块进行了详细设计,并对最终实现的系统进行了小范围试验,找到在不同录音帧数、不同高斯混合数对识别效率的影响。对比分析的结果表明,当隧穿每组帧数k固定时,录入的有效帧数(训练时长)越多,识别正确率越高;高斯混合数M越大,识别正确率越高,但识别耗时也会相继增长;当录入的有效帧数和高斯混合数等其它环境条件都不变时,隧穿每组帧数越大,正确识别率越高。