语音是实现人们之间沟通交流的最直接和方便的手段,语音识别也就成为了实现这一梦想的关键性技术,声纹识别就是语音识别中的一个关键技术。声纹特征是从语音波形当中提取出来的说话人的生理和行为的语音特征,具有不易模仿、不易伪造和不可替代的性质,而且语音的获取渠道比较方便,未来很有可能在电子商务、银行、军事等领域得到应用。语音中既包含说话人的生物特征,就是先天发音器官差异,又包含说话人的行为特征。对于声纹识别系统中用的声纹特征,是不考虑语音当中的说话内容,提取的是说话人的个性特征,也就是说话人的生物特征。本文针对以前的声纹识别技术进行了分析和研究。为了获取高质量的声纹特征,首先要对语音文件进行预处理,其中重要的是语音的端点检测。语音在录制过程中,都会有背景噪音,本文提出了一种自适应去除噪音算法,能够有效的去掉语音当中背景噪音帧,为后面提取高质量的声纹特征做好了准备。在特征提取方面,本文比较了几种声纹特征的效果,最后确定使用美尔倒谱系数特征做为声纹特征由于美尔倒谱特征体现出来的是语音分帧后,一个帧的内部特征。通过设计一个滤波器,对提取的声纹特征进行二次处理,得到了一种新的特征,这种声纹特征即包含语音帧内特征,也包含语音帧之间的特征,更能代表说话人的特征。在识别阶段,本文提出了一种自学习识别算法,在识别的同时,能够对原有声纹特征模型进行优化,解决了声纹特征模型随时间质量变差的问题。