随着移动通信设备，尤其是手机的流行，用户期望在这种设备上使用越来越多更广范围的计算技术。这些设备在各种环境中使用有不同的访问和操作需求，使得用户对语音输入的需求不断地增加。最近技术研究的进步大大提高了语音识别的鲁棒性和准确性，使得基于语音的人机互动接口更加流畅。语音也渐渐成为一种新的认证方式。如今先进的分布式处理的说话人识别可以使得只需在现行的移动设备上存储不大的有价值的信息(说话人模型)，却又能实现很高的安全认证级别。本文的说话人确认系统架构于似然比测试的基础之上，使用VQOGMM作为功能函数，UBM(全局背景模型)来表示可变的说话人模型，和用自适应的Bayesian从UBM中提取最合理的说话人模型。本论文的目标是找到对于本系统最优化的语音倒谱特征量化器的设计。问题的难点在于如何在量化前和量化后实现对数似然比损失的最小化。