说话人日志通常被描述为解决“谁什么时候在说话”(“Who spoke when?”)问题的一个系统。目标是在没有任何预信息的情况下(即没有预先知道说话人的任何信息,如说话人性别,年龄,人数),将一段连续的语音拆分成各个独立的小部分,并将各个语音片段归结到不同的说话人身份下。说话人日志在语音文本标定,自动语音识别等方面有多方面的作用,也可以作为基于说话人的算法(如说话人追踪,说话人识别)的前端组成模块。目前国外已有多家机构进行了说话人日志的研究,但国内此方面的研究较少,且限于广播环境说话人日志,少见会议环境说话人日志研究。　　 本文借助HTK工具包完成了说话人日志系统的C语言完整实现。包括预处理,语音/非语音检测,聚类初始化(朋友/敌人算法),迭代聚类,结果输出与标定。完成了系统性能标准化测试和错误率(DER)计算。　　 在此基础上本文对MFCC,PLP两种声音特征参数说话人日志系统的性能进行了比较分析,发现PLP错误率相对MFCC高约8％。　　 本文将音调参数引入说话人日志系统,采用MFCC和基频相结合的参数,使说话人日志系统性能得到提升。其中,为了避免基频提取算法固有的不稳定性的不利影响,本文提出并采用了一种基频参数的预处理方法。　　 系统最好错误率为28.4％,平均错误率达到了NIST2009测试中等水平。