随着计算机应用的不断深入,人们对于基于语音的人机交互需求越来越多,但由于语音存在噪音等干扰因素的影响,导致其处理性能往往不太理想,如何提高语音处理的性能及其识别率是基于语音的交互技术研究的核心课题。本文在研究现有的基于语音说话人识别技术的基础上,引入盲信号分离和协同学方法,设计并构造了一种基于协同学的语音身份识别方案,并对该方案进行了较为深入的研究,主要研究工作表现在以下几个方面：(1)在对现有基于语音说话人的识别方案进行分析的基础上,针对其存在的不足,设计了一种基于协同学的语音身份识别方案,并构造了该方案的模型,模型将基于语音的识别分为语音段的预处理、特征参数的提取、特征参数还原以及身份识别四个部分。(2)语音预处理中,在现有语音预处理方法的基础上引入了盲信号分离技术,分别设计并实现了盲信号去噪、采样和量化、预加重、分帧和加窗以及端点检测等的具体处理算法。(3)对于特征参数的提取,借鉴现有特征参数提取算法的思想,设计并实现了基于线性预测倒谱系数和梅尔频率倒谱系数的组合语音特征值提取算法。(4)在特征参数的还原处理中,引入协同学思想和K-均值聚类算法,设计了基于协同学的参数还原模型,对模型中的基于K-均值聚类算法的原型模式向量选择、基于协同学的特征参数还原等关键模块的处理算法进行了详细的设计及实现。(5)对于身份的识别,采用对待检语音进行基于协同学还原后的语音特征值与存档的特征信息的相似度计算来判定说话人的身份,设计并实现了基于相似度的身份判定算法。(6)对本文中所设计的主要算法从参数选取、识别性能等方面进行了分析,另外从抗噪性、鲁棒性等方面对识别算法进行仿真实验的验证,实验结果表明该方案在有噪声和语音改变后其识别效果比已有的方法具有较高的准确度,可增强语音识别的性能。