随着汽车的普及和人们防盗意识的增强,以及防盗产品的不断升级,车载防盗系统被越来越多的用户接受并肯定。生物识别技术的发展与应用,使得防盗手段多样化、防盗性能不断提升。防盗系统的主要任务就是鉴别用户的身份,目前用于鉴别身份的生物识别技术主要有指纹识别、人脸识别、虹膜识别、声纹识别、签名识别等。声纹识别技术,是根据说话人所发出的语音提取说话人信息并进行身份辨别的技术。为了将声纹识别技术投入到实际应用中,需要克服使用环境中噪声的影响。本文以汽车防盗系统,即声纹识别锁为应用背景,针对在使用中接触到的几种噪声进行分析并予以消除,从而提高系统在噪声环境下的使用识别率。主要工作有以下几个方面：(1)根据声纹识别锁在实际应用中能接触到的三类噪声：周期噪声、语音干扰噪声和宽带噪声,采用去噪效果较好的语音增强处理技术,该技术可以提高识别系统的前端抗噪能力,能减弱训练环境与识别环境不匹配而对系统识别率造成的影响。本文主要介绍了几种常用的语音增强处理算法：自适应滤波法、谱减法、维纳滤波法、梳状滤波法,经过实验比较,这几种处理算法中非线性谱减法和维纳滤波法的去噪效果要好一些,为了提高算法对不同信噪比的带噪语音的处理能力,同时考虑嵌入式系统的特性和实际使用环境的特点,结合维纳滤波和自适应滤波的优势,对谱减法进行改进。实验表明,改进后的谱减法能明显改善信号的信噪比；另外,在语音端点检测过程中应用基于听觉掩蔽效应的改进双门限端点检测方法,进一步减弱了噪声对系统识别率的影响。(2)介绍了几种常用的语音信号的特征参数,对LPC、MFCC及其差分参数的不同组合进行实验比较,研究这些特征参数对改善识别系统性能的影响,为保证系统识别性能,选择Mel倒谱与一阶差分Mel倒谱作为特征参数,这种参数组合形式同时考虑了语音帧内和帧间的信息,可在一定程度上提高系统的稳健性。(3)结合实际应用与嵌入式平台特点,深入研究了基于DTW的声纹识别技术和基于GMM的声纹识别技术,通过实验比较,分析了不同测试人数、语音训练长度、文本内容相似度、高斯混合数对系统识别率的影响,实验结果表明混合数为16和32的GMM能保证较高的系统识别率。(4)搭建了一套原型测试系统,该系统以凌阳SPCE061A为核心处理器,配合基本的数据I/O接口、ADC和DAC、音频的输入输出接口、程序下载接口等构成。在该测试平台上,完成了对嵌入式汽车声纹识别锁的测试,并根据测试平台提供的系统资源与测试时获得的运行时间,进一步确定了识别系统选用的识别方法和系统的适用范围。