文本无关的话者识别系统具有更加广泛的应用前景和应用范围，而当前的话者识别系统几乎均与文本相关，虽然出现过与文本无关的话者识别方法，可该系统的测试对测试内容有诸多限制，仍非真正的文本无关的话者识别系统。鉴此，本文的讨论旨在实现真正意义上的文本无关的话者识别系统。首先，我们使用隐马尔可夫模型对语音信号进行降噪，对具有良好的时频局部化性能(尤其是对高频情形)的小波分析方法在语音处理和特征提取中进行了广泛的应用。并对小波分析方法和BP神经网络相结合，构造了用于模式识别的小波神经网络。进而基于统计学习理论基础建立的适合小样本，含噪数据的机器学习理论-支持向量机，以支持向量机作为说话人识别的分类器之一。在讨论了支持向量机有关性质的同时，提出了一个多分类器融合方法。最后我们进行了初步的数值试验。