在高斯混合模型（Gaussian Mixture Model，GMM）训练时，对传统的模型参数初始化方法（随机法、K均值聚类法）进行改进，提出分裂法与K均值聚类相结合的新方法。实验表明，采用改进的方法与传统方法相比，系统平均识别率有15.47%和7.5%的提高。研究了GMM的阶数、协方差阈值、预加重系数对系统识别率的影响。对实验结果进行详细分析，并根据实验数据，取它们各自表现最好的值，从而使构建的说话人识别系统获得一个较高的识别率。实验表明，在规定的实验条件下，系统可达到90%以上的识别率。