说话人识别是根据语音波形中反映说话人生理和行为特征的语音参数,自动识别出说话人的过程,它是语音信号处理的一个重要研究方向,作为一种生物认证技术,具有广泛的应用前景。支持向量机是在统计学习理论上发展出来的一种模式识别方法,在解决有限样本、非线性及高维模式识别问题中表现出许多特有的优势。由于支持向量机具有坚实的理论基础,引起越来越多的人们关注,近年来,支持向量机在说话人识别中的应用日益广泛。支持向量机作为说话人识别模型分为基于帧的和基于语句的两种方式。基于语句的说话人支持向量机模型重点在于核函数的构造,核函数是一种语句间相似度的描述工具,在实现上它通常表现为两条语句间的距离,在形式上它是多种多样的,可以是内积形式,也可以是距离,还可以是模型得分。目前核函数的构造往往是采用试探性实验的方式进行的,缺乏对构造思想以及其合理性的详细分析,因此,对不同核函数的构造思想及过程进行分析,有助于加深对核函数意义的理解,并为构造新的核提供借鉴思路。论文首先给出了一种通用的核函数构造模式。在此基础上着重对通用线性区分核、概率距离核、超向量核、Fisher核与偏差核这几个核函数进行对比研究,分析它们的构建思想,挖掘其内在的合理性,找出它们相互间的区别与联系。具体工作包括:1.通用线性区分核函数。对序列核概念、核函数设计的思路与推导、映射方式以及训练算法等作了细致的分析,并进行实验验证;2.概率距离核和超向量核。对两种核函数的构造方法与推导、映射的涵义以及两者之间的区别与联系进行详细分析与实验研究;3.Fisher核和偏差核。对两种核函数的构造方法与推导、映射方式和两者之间的区别与联系进行详细分析与实验研究。