由于语音本身的特点和现今社会的需要，说话人识别技术的研究有很大的学术价值和应用价值。但目前存在的说话人识别技术与人们的期望还有很大的差距，将该技术很好地应用于现实生活中还存在很多困难。本文主要对与文本无关的说话人识别技术进行研究，重点对特征参数选取、匹配算法和判决方法进行研究，尤其对开集部分的说话人提出了解决方案，从而进一步确定适用于本文系统的语音库和系统反馈信息。在特征参数选取方面，对基频、共振峰和Mel倒谱系数进行了详细的研究和分析，确定将Mel倒谱系数作为说话人识别的特征参数，将基频和共振峰作为对说话人分类的依据，识别时先判断待识别人属于哪个子集，然后再进行匹配计算。实验结果表明，与不分类方法比较，不仅缩短了识别时间，而且提高了识别率。在匹配计算方面，采用欧氏距离进行计算，用该算法进行说话人识别，在建模时不必对说话人进行严格的训练，只需要从用于建模的语音中提取相应的特征参数存储即可。在确定判决方法方面，采用确定范围而不是只指定一个人作为最后识别结果的方法，所以本文输出结果是三个而不是一个，这样可以有效减少错误说话人被接受或正确说话人被拒绝的错误。应用于公安司法领域也可以很大程度上减小侦查的范围。本文对开集部分也进行了研究，将待识别语音先选取不同的两段进行匹配计算，然后再对该语音进行识别的相应计算，将自身语音得到的结果和其他结果比较，得出该说话人是否存在语音库中。