说话人识别又称声纹识别,是指根据说话人的声音特征来识别说话人的技术。近年来,声纹识别技术以其独特的方便性、经济性和准确性等优势受到瞩目。本文研究的是与文本无关的说话人识别方法及系统实现的设计。　　本文对语音信号的预处理,基音频率、线性预测系数及美尔倒谱系数等特征提取方法进行了详细分析。给出了一种小波变换与自相关结合的基音检测方法。小波具有时―频局部化特性,能够有效地分析信号的奇异点,确定奇异点的位置。在清浊音交替阶段,小波变换容易确定浊音起始时间,消除帧间不连续的跳跃点、非线性错误和基音频率的倍增现象。在HMM模型的说话人识别中,将该法提取的基音周期和自相关法提取的基音周期分别与倒谱系数组成特征矢量,进行了识别效果的对比。从实验结果可以看出,本文所用的方法可有效改善系统识别性能。　　本文在识别中考虑性别差异,给出了基于基音频率统计规律的预分类判决。将不同性别的说话人特征参数归成不同的两个子集,识别时先判断待识别说话人特征是属于哪个性别子集后,再在相应的子集中进行识别。实验结果表明,该方法能改善系统的识别率,缩短系统的响应时间。在对隐马尔可夫模型(HMM)、矢量量化(VQ)和支持向量机(SVM)几种算法方案进行分析比较的基础上,采用美尔倒谱系数作为特征参数,给出了HMM与SVM相结合的说话人识别方法。　　最后采用SVM模型,对基于DSP的说话人实时识别系统进行了设计,为今后课题在DSP上的实施做了前期的准备。