说话人识别作为当今社会最热门的生物特征识别技术之一,被广泛应用在人机交互、身份验证、信息检索等方面,具有重要的研究意义和实用价值。近年来,随着深度学习在语音识别的成功应用,基于深度学习的说话人识别研究也受到研究学者们的广泛关注。本文主要研究面向说话人识别的深度学习方法,研究解决如何有效结合深度学习理论和说话人识别技术,在有限训练数据的条件下建立识别系统;如何结合不同种类的深度神经网络,构建高性能的说话人识别模型。主要研究内容如下:(1)研究了基于MFCC-CNN的说话人识别方法。虽然深度神经网络可以将特征提取与识别分类集为一体,直接对原始语音进行端对端识别,但前提是需要大量的训练数据才能获得较好的识别效果。为了提高少量数据环境下说话人识别效果,本文构建一种基于MFCC-CNN的说话人识别模型。该模型是先从原始语音中提取MFCC(Mel-Frequency Cepstral Coefficients,MFCC)参数作为语音特征,再利用CNN(Convolutional Neural Network,CNN)进行识别。同时,为了防止过拟合,通过引入Dropout和L2正则化的方式对模型进行优化。实验结果表明,基于MFCC-CNN的说话人识别方法在网络训练时间大幅缩短的情况下,识别率高于基于端对端的深度说话人识别方法。(2)研究了基于MFCC-CNN-LSTM混合深度神经网络的说话人识别方法。CNN可以克服传统说话人识别中时频偏移导致的不稳定问题,却没有考虑语音上下文之间的关联信息。本文提出一种基于MFCC-CNN-LSTM的说话人识别方法,首先用CNN提取帧间特征,然后用LSTM(Long Short Term Memory,LSTM)对上下文语音帧识别。该方法结合了CNN和LSTM模型的优点。实验结果表明,MFCC-CNN-LSTM混合模型识别性能优于单一的MFCC-CNN模型和MFCC-LSTM模型,且具有较好的鲁棒性。