说话人识别就是从说话人的一段语音中提取出说话人的个性特征，通过对这些个性特征的分析和识别，从而达到对说话人进行辨认或者确认的目的。 　　矢量量化(VQ)方法是文本无关说话人识别中广泛应用的建模方法之一。在矢量量化过程中，经典的LBG算法收敛速度快，但极易收敛于局部最优点，无法保证根据有限样本数据得到最优码本，并最终影响系统识别性能。考虑到遗传算法是一种具有全局化寻优搜索能力的算法，本文提出了遗传算法和K均值算法相结合的综合分析方法GA-K进行码本设计，改善码本的质量。讨论了具体的算法实现，分析了在不同的特征参数LPCC及MFCC、不同测试语音长度下的说话人识别性能。实验结果表明，GA-K方法优于传统的LBG算法，可以很好地协调收敛速度和识别率之间的关系。 　　针对在干净语音环境下识别率很高的说话人识别系统，在噪声环境下识别率显著降低的缺点，本文结合具有多分辨率分析特点的小波变换技术，提出一种基于小波变换的鲁棒型特征提取算法，以提高说话人识别系统在噪声环境下的识别性能。实验结果表明，本文提出的鲁棒型特征提取算法可以有效地提高说话人识别系统在噪声环境下的识别性能。