说话人识别技术属于生物特征识别技术的范畴,也是目前最热门的生物特征识别技术之一。随着互联网的进步和人工智能的兴起,说话人识别技术在实际生活中的各个领域都有广泛的运用。说话人识别技术中特征参数的提取和建立识别模型是整个说话人识别系统的两个关键部分,其中说话人语音特征参数的提取是整个系统中最为关键的一部分,直接影响到说话人识别系统整个性能的好坏,是许多科研学者在这方面研究的重心。由于目前很多应用都是基于比较理想的环境下进行的,常用的一些主流说话人特征参数都能达到比较高的识别率。然而,在实际应用中,获取语音周围的场景是在复杂的、非理想的环境中进行的,此时用常用的特征参数提取算法在这种非理想的环境下会导致说话人识别系统的性能明显下降。因此,论文主要针对噪声环境下说话人特征参数提取算法进行研究,在分析了目前主流的特征参数的基础下,论文提出了几种改进说话人特征参数的提取算法,在仿真环境以及在Android移动客户端进行实际环境下的系统验证。实验结果表明,论文提出的新的特征参数提取算法相较于传统的特征参数提取方法,说话人识别系统性能有一定的提升,鲁棒性更好。论文的主要论述内容如下:(1)详细介绍了一种汉明自卷积窗的实现过程,语音预处理过程中采用汉明自卷积窗,减少频谱能量泄露,有利于后面说话人特征提取。(2)总结了目前说话人特征参数的几种表现形式,详细的介绍了基于梅尔滤波器组的梅尔倒普特征参数的提取算法以及基于Gammatone滤波器组的听觉特征参数提取过程实现。(3)提出了一种基于Gammatone滤波器组的改进方法的特征参数提取算法以及两种组合特征参数的实现方法。两种实验表明,在噪声环境下本文提出改进特征参数和两种组合特征参数在说话人识别系统中表现良好的识别性能和鲁棒性。论文最后对论文中提出的改进说话人特征参数算法作了分析与概括,并指出论文中存在的不足之处。此外,针对论文存在的问题,指明改进方法以及未来课题的研究重心。