说话人识别属于生物特征识别技术的一种,根据声纹中所反映的说话人个人信息的特征参数,自动识别说话人身份,具有广阔的市场应用前景。本文研究了基于模糊聚类分析和核函数的说话人识别方法,主要内容包括:1针对说话人识别方面的特点,对高斯核函数进行了改进,研究了基于样本方差的模糊高斯核说话人识别方法,该方法可根据不同的人确定核函数的宽度,实现了参数的自适应调整。为了避免模糊聚类时容易陷入局部极小值的情况,在基于样本方差的模糊高斯核说话人识别中引入具有全局优化特性的粒子群算法,并对基本粒子群算法进行了改进,提出了基于改进粒子群的模糊高斯核矢量量化算法,获得了全局优化的码本,提高了识别率。2针对模糊核聚类时聚类准确性差和对噪声敏感的问题,将可能性模糊聚类引入说话人识别中,研究了基于核的可能性模糊矢量量化说话人识别方法,该方法提高了识别率;为了利用样本邻域信息,在特征空间的可能性模糊聚类目标函数中加入局部邻域约束,提出基于邻域约束的可能性模糊核说话人识别方法,进一步提高了说话人识别率。3针对模糊熵中存在参数难以调整及说话人识别率有待提高的问题,研究了基于核函数的模糊可能性矢量量化和基于可能性聚类的模糊核熵矢量量化说话人识别方法,并利用模拟退火方式优化两种方法中的参数,实验表明两方法都具有更好的分类准确性和识别性能。