文本无关的说话人确认可以被看作是一项二分类任务,旨在利用对应身份的注册语音,在文本内容不限定条件下,确认待识语音是否是同一说话人所说。说话人确认技术常用于身份验证,或用于实现一个开集说话人识别系统。该任务首先需将不定长的语音信号映射为定长的说话人特征向量,然后进行不同信号特征间的相似度计算。近年来,深度学习方法被广泛引入说话人特征表示环节,即前端部分,使说话人确认的性能得到飞跃式提升。但是,深度模型较少被应用于相似度计算环节,即后端,少数围绕概率型线性分析（Probabilistic Linear Discriminant Analysis,PLDA）方法展开的深度学习工作也囿于PLDA的结构,存在参数量低、学习能力差等问题。本文对基于深度模型的说话人特征相似性度量问题进行了研究,首先,基于PLDA的对角约束,提出了无需PLDA初始化的基于对角约束的深度孪生后端网络（diagonal Siamese-based Backend Network,SBN）以仿真PLDA的计算过程,并对后端模型的学习能力进行了扩展。一方面简化了PLDA的拓扑结构,使其更易于纵向拓展并接纳新参数,从而提升模型的学习能力。另一方面,相似度计算可视为一个测度学习（metric learning）问题,我们据此引入了该领域经典的三元损失目标函数来辅助网络训练。实验表明,在公开语音数据集Vox Celeb上,SBN相较PLDA有11%的相对提升。进一步地,为更好地学习二阶信息,我们放松了对角约束的限制,通过对d SBN的横向拓展,提出了基于块对角约束的深度孪生后端网络（block diagonal SBN,b SBN）和无约束的深度孪生后端网络（unconstrained Siamese-based Backend Network,u SBN）。对于给定的二阶信息矩阵,u SBN对整个矩阵的每个元素都设置对应的参数进行学习,b SBN则采用块对角参数共享的方式降低所需的参数量。我们同样利用三元损失辅助这两网络结构的训练。实验表明,在Vox Celeb数据集上,b SBN和SBN的性能相近,而u SBN则相较PLDA甚至有20%的相对提升。