基于语音特征实现身份识别是当前研究的热点,在密码验证、语音控制、军事通信等领域具有广泛应用。利用语音信号进行身份识别和其它身份识别技术相比,具有信号易于获取、识别更为安全等优点。本论文以基于语音信号的特征实现身份识别涉及的关键技术和算法为主要研究内容,开展如下研究工作:论文首先详细介绍了语音身份识别的研究背景及意义,系统梳理了各阶段的研究现状及重点研究方法,对语音身份识别技术的主要研究思路、主要算法和关键技术进行了归纳,深入分析了基于语音信号实现身份识别的基本原理和主要技术路线,并对当前研究技术中存在的问题进行了分析。其次,研究了高质量语音信号采集方法及语音信号的前端预处理技术,重点分析了语音信号的时域和频域特征,对时域特征包含的短时能量及短时平均幅度和频域特征包含的梅尔倒谱系数进行了求解。同时,研究了基于自适应滤波器算法和减谱算法的语音信号增强技术,并详细分析了语音信号的语谱图特征及其计算方法。再次,论文深入讨论了深度卷积神经网络和循环神经网络在语音身份识别应用场景的可行性。以语谱图作为输入信号,构建了一种基于深度学习算法的语音身份识别网络模型,在此基础上详细分析了深度学习网络中CNN层和LSTM层的设计过程。然后,论文利用构建的两种尺度的语谱图,确定了深度学习模型的前端深层CNN结构,并新增了循环神经网络和高斯噪声层,构建了5层CNN层+正则化层+3层LSTM层+高斯噪声层的新型深度学习网络结构。通过自建语音数据集测试,验证了模型识别的准确性。结合自建的高低音和不同语音时长的数据集,对所设计的深度学习网络模型的有效性进行了验证。论文最后基于PyQt框架开发了功能完备的语音身份识别应用界面,对身份识别应用界面的组成、工作原理及算法流程进行了详细设计。同时基于自主开发的语音身份识别应用界面,开展了试验和算法验证工作,验证了论文所研究算法的有效性和准确性。