生物识别具有广阔的研究前景,说话人识别作为生物识别的重要组成部分,在人们日常生活的许多方面均有涉及。随着高保真录音设备及回放设备的普及,说话人识别系统的安全性面临录音回放攻击的严重挑战,由于回放攻击语音与真实语音具有相同的声纹,导致常规的说话人识别系统很难有效鉴别声音的真实性,且环境中存在噪声,在一定程度上会干扰系统的识别,这也对防录音回放攻击的声纹识别系统鲁棒性提出了要求。本文提出了一种基于信道信息的录音回放攻击检测算法,采用Legendre系数及其统计特征作为主要判别依据,同时使用语音基频特征与MFCC特征作为辅助判别指标,并采用一种基于支持向量机的决策融合策略进行判别,给予特征不同的权重,分别得出判决结果后依据决策融合公式计算总体概率,并与接受阈值比对,作为最终判决结果。本文主要包含以下内容:（1）介绍了声纹识别系统的发展历程,并着重阐述了该系统所面临的录音回放攻击挑战,而后针对该挑战的国内外研究现状做了详细的介绍。（2）围绕语音信号处理常用的处理手段展开详细阐述,接着对目前语音信号处理中主流的特征参数及提取步骤做了讨论,并针对现有的录音回放检测算法做了分析和介绍。（3）在现有研究的基础上,进一步改进系统模型,引入多个参数,构建多参数信道信息回放检测模型,并围绕该模型的整体框架,相关参数譬如基频特征和信道模式噪声统计特征,建模手段中的支持向量机以及决策融合策略的优势展开讨论。（4）针对本文改进的多参数信道信息回放检测算法,进行了算法权重参数选取分析实验,不同信噪比下系统性能实验和同一数据集中不同录音作为攻击测试语音时的系统鲁棒性实验。实验结果表明,多种特征相结合的方式,相较于现有其他方法,能在有效检测回放语音攻击的同时,提升系统的鲁棒性,在噪声环境下识别率平均提高了1.5%。