说话人识别(又称声纹识别)就是从说话人的语音信号中提取代表其身份的特征从而进行识别的技术。它以其独特的通用性、长效稳定性和成本低等优势,在银行系统、司法安全和互联网人工智能等领域中都得到了广泛的应用,有着重要的研究价值。传统算法在数据量少时优势突出,而引入深度学习的方法,能充分利用当今大数据时代的优势,使说话人识别技术再次得到了突破。本文对实现说话人识别算法进行了研究,主要工作如下:(1)本文系统地介绍了实现说话人识别的预处理模块、语音活动检测、提取语音特征的方法以及传统的分类模型等。(2)研究了通用背景下高斯混合模型的说话人识别系统,推导了参数估计、模型训练和打分匹配的过程。设计了不同实验探究对系统性能影响的各种因素,包括统一背景模型中不同单高斯模型的数目、梅尔频率倒谱系数特征的不同维度、不同的特征组合以及语音信号的不同帧长等。在公开数据库和自己录制的数据集上分别进行了说话人识别的跨语种实验,进而更好地验证该系统性能。(3)搭建了一个基于深度学习的说话人识别系统,采用结合残差网络的深层卷积神经网络提取特征,然后平均池化以生成说话人级别的表征向量,并用基于余弦相似度的三元组损失函数训练。该系统可以将语音映射到一个超平面,从而可以通过余弦相似度来直接衡量说话人的相似度。设计实验探究不同网络结构的系统性能,通过加入Softmax和交叉熵预训练进行优化,同时在公开数据库和自己录制的数据库上分别进行中英文的跨语种对比实验,都得到了较好的识别结果。本文通过基于传统主流的GMM-UBM模型和基于深度学习的方法分别搭建了说话人识别系统,并设计了各种实验对影响系统性能的因素进行探究,同时分别通过两种架构对实现说话人识别的系统进行了横向和纵向的跨语种对比。