当今的说话人识别任务往往局限于使用传统的特征提取方法而忽略了说话人个性化特征的产生机理。一些广泛用于语音识别的特征被直接应用在说话人识别任务中,但这两种任务在某种程度上存在对立性,尽管大多数特征在实际应用中可以取得较好的识别结果,却没有明确合理的解释。特征提取器是说话人识别系统的首个组成部分,其在一定程度上决定了之后分类模型的性能,一个好的特征需要包含能够强调说话人个性化特性的部分。为此,本文聚焦于面向说话人识别的个性化特征进行研究,分别就以下两个方向展开讨论:一方面,本文基于说话人识别任务和个性化言语生成机理知识分析,探究了包含说话人个性化信息与动静态特征频率分布之间的相互联系。我们提出假设1:“说话人静态个性化特征存在于高频区域,说话人动态个性化特征存在于低频区域”。我们将设计的两种滤波器形状（线性频率尺度上的高频强调和低频强调）及子带滤波器作为高低频的特征提取器,使用TIMIT数据库进行了F-ratio分析和说话人识别验证实验。实验结果表明,高频强调的滤波器组性能优于低频强调的滤波器组,我们关于静态特征存在于高频区域的假设得到了支持。另一方面,为了探究性别差异在声学特征及说话人识别任务上的体现,本文首先对男性和女性在生理学上的差异进行了分析,之后通过假设2来探究存在性别差异性的特征在说话人识别任务中的体现,即:“说话人静态个性化特征的频率分布存在性别差异性,且其在说话人识别任务中有所体现”。我们借助于声道和声源相关特征,从生理学机理出发,在性别平衡的TIMIT子数据库上进行了F-ratio和说话人识别任务验证。结果表明,相较于男性,女性的个性化信息存在于更高和更宽的频率范围。且在声道和声源特征上男性和女性都具有不同的说话人识别表现。虽然复杂环境（噪声鲁棒,跨信道等）下的声纹识别同样非常重要,但超出了本文的研究范围,本文的主要目的是从言语生成角度出发,分析理解语音信号中的说话人个性化信息。