说话人识别技术是利用语音信号中的特征对说话者进行身份辨识的技术。在生物识别技术领域,说话人识别技术因其具有较高的安全性,在日常安防、金融安全、司法鉴定和情报侦听等领域具有广泛应用。但随着高保真音频设备的普及,使得回放假冒语音的攻击性增强,导致说话人识别系统的安全性降低。为了提高说话人识别系统的抗回放语音攻击能力,回放语音鉴别方法已成为说话人识别领域的研究热点之一。本文研究了基于I-vector的说话人识别方法,并利用特征组合的方式来提高系统的鲁棒性和准确率。对于说话人确认,本文在常规确认阈值的基础上研究了自适应确认阈值的计算方法。为了使系统具有抗回放语音功能,研究了基于小波包分解和卷积神经网络的回放语音鉴别算法。主要工作内容如下:（1）在基于I-vector的说话人识别基础上,针对单一特征信息量不足的问题,对MFCC和PNCC特征参数进行组合,并利用基于遗传算法的特征选择方式对组合特征参数进行优化。实验表明特征组合方式可以提高说话人识别的准确率。（2）针对开集情况下的说话人确认系统,介绍了常规的说话人确认阈值,针对常规阈值在实际应用中自适应不足的问题,研究了自适应确认阈值的计算方法。针对说话人得分中异常值问题,研究了异常得分消除算法,并结合自适应确认阈值计算方法进行确认阈值计算。实验表明消除异常得分后计算的自适应确认阈值能有效提高说话人确认系统的性能。（3）针对回放语音攻击问题,分析了真实语音与回放语音的差别,设计了基于小波包分解的回放语音鉴别算法,通过实验验证了该算法的有效性。为了提高算法的泛化性能,还设计了基于卷积神经网络的回放语音鉴别算法,实验表明该算法的泛化性能有所提升。（4）抗回放语音攻击的说话人识别系统开发。介绍了系统的总体设计,论述了各主要模块的功能及实现方法,通过测试验证了该系统的性能。