目前在噪声环境下的说话人识别技术的研究是重点需要解决的问题。噪声的存在使得语音信号发生畸变，造成了训练环境与测试环境的不匹配，严重影响了系统的识别率。本文研究了在噪声环境下说话人识别的方法。本文针对说话人识别技术的两大关键的问题进行了研究，主要的研究内容包括以下几个方面：论文首先对于特征参数的提取进行了一些改进性的研究，即：在自相关系数(PAC)的基础上提出将非线性函数——Sigmoid函数与反余弦函数相结合，从而得到一种新的特征参数的方法，同时将输入的语音信号进行了RASTA滤波，使系统增强了抗噪声的能力。其次，主要研究了子带处理技术在说话人识别中的作用。子带处理技术因其结构和特点在抗噪声的说话人识别系统中得到广泛的应用，因此本文将PAC特征系数与子带相结合，并使用子带概率结合的方法得出识别结果。最后研究了系统分类器的设计。根据隐马尔科夫模型(HMM)和小波神经网络(WNN)各自的优点，本文将两者相结合起来得到一种系统的识别方法。该方法既能有效地进行分类，而且还具有一定的抗噪性能。