随着社会信息化程度的发展,越来越多的场合需要对人的身份进行可靠地识别,传统的以密码方式进行身份认证的技术日益暴露出很多弊端。为确保信息安全,用人特有的生物特征作为认证手段的技术逐渐发展起来。说话人识别属于生物认证技术的一种,是一项根据语音波形中反映的说话人生理和行为特征的语音参数自动鉴别说话人身份的技术。随着计算机技术发展,说话人识别技术越来越受到人们的重视。在说话人识别技术中,关键在于两方面:其一,如何从数据量相当大的原始语音信号中提取出反映说话人个性特征的参数。其二,设计出行之有效的分类器。说话人识别虽然研究历史较长,但仍有许多问题有待研究解决,噪声环境下的说话人识别即是其一。在纯净语音环境下的说话人识别系统已经有很高的识别率,但是在噪声环境中识别率显著降低。为了提高说话人识别系统的在噪声环境中的识别率,本文考虑到小波变换的优点,结合具有较好鲁棒性的特征参数GDS(group delay spectrum),提取基于小波变换的GDS特征参数。对于分类器的设计,主要应用矢量量化的技术。通过不同噪声在不同信噪比下的实验来验证提取参数的有效性。本文首先介绍了说话人识别技术的研究背景和应用领域,概要介绍了说话人识别技术。接着对说话人识别技术中常用的特征参数进行了性能研究,通过实验比较了它们的鲁棒性。针对噪声环境下,提出了新的组合特征参数,并详细介绍了特征参数的提取过程。然后给出了分类器的设计方法。最后,根据提出的方法实现了说话人识别系统。