话者识别技术因其独特的方便性、经济性和准确性,在生物特征识别领域中具有广阔的应用前景.现有的话者识别技术在理想条件下效果很好,但在实际环境中由于各种因素的影响,识别效果明显下降.该文研究的是与文本无关的话者辨认,目标是建立一个顽健的(Robust)话者辨认系统.该系统平台支持话者语音采集、离线话者识别以及在线话者识别;能够在话者训练语料不足情况下建立话者的模板;具有顽健的拒识策略.该文从目前应用最广泛的高斯混合模型(Gaussian Mixture Model,GMM)出发,运用GMM建立了一个与文本无关的话者辨认的基本系统,给出了总体结构方案和系统中采用的一些技术.然后对实现的系统分别从GMM混合数、训练和识别的数据量,以及话者数量方面对系统进行了一系列的基本性能测试.针对基本系统尚存的不足之处及具体的应用环境,从训练语料不足时的话者模板建立和拒识策略两个方面进行了研究.采用基于话者聚类的最大后验概率自适应模板建立方法,很好地解决了训练语料不足时话者模板的建立问题,实验表明,该方法比自适应前明显地提高了系统的识别率.在研究拒识策略时,提出了双阈值方法,并将它和反全局模板归一化方法结合作为系统的拒识策略.实验结果表明,该策略比单一的拒识策略提高了系统的识别率.此外,针对该系统的具体应用环境,还提出了一种平滑拒识策略,该策略结合反全局模板归一化和双阈值方法使用时,系统的识别率明显提高.最后对改进的系统的整体性能进行了测试,实验结果表明该系统的开集识别率达到了88.3﹪.