说话人确认是判断待识别的说话人语音是否与他所申明的身份相符的一种生物识别技术。该技术广泛地应用于语音门禁系统、电话银行系统、数据库访问等身份验证领域。虽然说话人确认在干净的语音环境中已经取得了令人满意的结果,但是在信道或者噪声干扰的情况下,其识别率就会大大下降。因此本文着重研究了与文本无关的说话人确认系统,从参数级、模型级、系统级三个方面加强了系统的信道鲁棒性。主要有以下内容:一.详细分析了语音的参数特征以及提取方法,实现了各种参数级鲁棒性算法。二.在目前最为成功的UBM-GMM系统上,实现了十分优秀的隐藏因子分析(LFA)信道鲁棒性算法,提高了系统的识别性能。三.详细分析了支持向量机(SVM)的理论基础,将其引入说话人确认系统中并获得了良好的性能。实现了近几年来在该系统上使用的非常有效的信道鲁棒算法NAP。四.为了进一步提高系统的识别性能,研究了系统的融合方法。本文提出了一个基于基音的辅助系统与MFCC主系统结合的方法。最后,对于所有的子系统进行了融合得到了最优鲁棒性的系统。课题中使用了美国国家标准技术局(NIST)说话人识别评测的标准语音数据库以及评测标准,该语音库是在各种电话和手机传输通道、麦克风通道下录制的。本课题的实验验证了上述算法的有效性,基于这些算法的系统具有实用化价值。