声纹识别技术属于生物认证技术的一种，是通过人的说话声音来辨识说话人身份的技术。近十几年来随着Internet和电话技术的发展，声纹识别被广泛的应用到Internet的访问控制和无线电话认证等领域。与指纹识别、虹膜识别、文字密码等其它认证技术相比，声纹识别具有不需要记忆、不会遗失、实现简单等特点，是一种可以实现非接触式识别的方式。　　 随着声纹识别技术的发展，目前声纹识别系统已经可以达到较高的识别精度。但是随着声纹识别系统中目标说话人数的增加，系统辨认的处理时间较长，其时间性能很难满足实际的需要。而传统的声纹识别算法主要分为两大类，一种是基于概率分布的高复杂度识别算法，一种是基于模板匹配的低复杂度识别算法。第一类识别算法的识别精度较高，但需要较长的识别时间，无法满足实时性的要求。第二类算法的识别速度虽然很快，但是当目标说话人数较多的时候，其识别精度较低。因而在目标人数较多的声纹识别系统中，系统的识别准确率与其时间性能之间存在一定的矛盾关系。　　 基于上述声纹识别算法的局限性，本文提出了一种基于双层结构的声纹识别模型。在该模型中将说话人识别的判决分为两层，在第一层模型中进行快速匹配，系统采用较快的算法挑选出与被测说话人声纹特征最相近的K个目标说话人声纹模型，淘汰掉不可能的目标说话人声纹模型。在第二层识别模型中系统针对K个目标说话人声纹模型进行进一步的精确匹配并做出最终的判决。　　 系统第一层模型采用VPT树索引矢量量化码字的方式来构建核心模型挑选算法，执行快速识别。第二层模型中采用高斯混合-通用背景模型进行精确识别。系统通过快速识别的方式过滤掉大量不可能的目标说话人声纹模型，并且在精确识别过程中采用识别率较高的算法来保证系统的识别准确率，从而在保证识别准确率的前提下，提高了系统的识别速度。