该论文的工作目的是提高基于高斯混合模型的与文本无关的说话人鉴别系统和说话人确认系统在噪声环境中的性能.抗噪声识别技术主要分为三个领域:第一,前端处理,根据含噪的语音估计出纯净语音;第二,特征空间的处理,寻找语音的稳健性特征或对含噪语音的特征进行处理,提取出尽可能纯净的语音特征;第三,模型补偿,利用估计得到的噪声,将纯净语音训练得到的模型修正为尽可能准确描述含噪语音特性的模型.该论文的研究工作主要集中在前端处理和特征空间的处理.该论文的主要贡献是:一,构建了一个基于高斯混合模型的与文本无关的说话人鉴别系统和基于自适应高斯混合模型的说话人确认系统作为基本系统.在纯净语音环境中系统性能受特征参数的选择,人数以及测试语音的长度的影响很小,识别率很高.二,在抗噪声前端处理方面,研究了将语音增强算法用于抗噪声说话人识别,构筑了一个将语音增强与基于高斯混合模型的说话人识别系统级联的系统,在白噪声和汽车噪声中进行了一系列的实验.论文还考察了三种特征参数(MFCC、LPCC和ACW)在噪声环境中增强处理前后的性能.三,在识别器端,研究了missing data方法在抗噪声说话人鉴别上的应用.研究了对数谱域及倒谱域的missing data方法,并实现了硬判决与软判决两种算法.