استفاده از سیستم های تشخیص هویت بیومتریک یکی از مطمین ترین روش ها برای کنترل دسترسی افراد به فضاهای حقیقی و مجازی می باشد. بکارگیری ویژگی های منحصر به فرد مانند اثر انگشت، چهره، عنبیه چشم، شبکیه چشم، شکل دست، صوت و امضا در سیستم های تشخیص هویت بیومتریک متداول می باشد. از آنجاکه روش های مبتنی بر صوت بسیار سریع بوده و بکارگیری آن برای کاربر آسان می باشد، در این پایان نامه یک سیستم تصدیق هویت مبتنی بر صوت معرفی می گردد. از سیستم های تصدیق هویت گوینده می توان در امن نمودن دسترسی افراد مجاز به اماکن، در مراکزی از قبیل بانک ها و شرکت های بیمه، مراکز کنترل پالایشگاه ها و نیروگاه ها، آزمایشگاه های تحقیقات استراتژیک و حتی بیمارستان ها، همچنین برای کنترل دسترسی به اطلاعات و خدمات از راه دور و نزدیک استفاده نمود. دو بخش اساسی در سیستم های تصدیق هویت گوینده پیش پردازش و آموزش مدل گوینده می باشد که پیش پردازش استخراج ویژگی ها و انتخاب ویژگی را شامل می شود. در این پایان نامه از ضرایب کپستروم با فرکانس مل به عنوان بردار های ویژگی و از الگوریتم بهینه سازی کلونی مورچه ها (aco) برای انتخاب ویژگی استفاده شده است. این الگوریتم تاکنون در سیستم های تصدیق هویت گوینده بکار نرفته است. سپس برای آموزش مدل گوینده از مدل مخلوط گاوسی (gmm) استفاده شده است که یکی از متداول ترین روش ها برای مدل کردن بردارهای ویژگی استخراج شده از سیگنال گفتار، می باشد. آنچه در این پایان نامه معرفی می شود یک روش جدید برای بهبود تصدیق هویت گوینده مستقل از متن با استفاده از انتخاب ویژگی بوسیله الگوریتم aco و سپس استفاده از gmm برای مدل کردن گویندگان تحت عنوان سیستم aco-gmm در تصدیق هویت گوینده می باشد. جهت ارزیابی این سیستم از پایگاه داده timit استفاده شده است. نتایج حاصل از پیاده سازی بر روی این پایگاه داده نشان می دهد که استفاده از این سیستم موجب افزایش کارایی و نیز کاهش زمان تصمیم گیری سیستم می گردد.