随着多媒体信息技术的快速发展,网络语音资源呈现出了爆炸式地增长,因此如何利用语音进行分类和识别具有重要的意义。说话人识别技术可以利用少量声音数据区分说话人,从而实现身份认证的功能,它是语音信号处理中的关键技术。但是传统的说话人识别系统往往还存在学习不充分、网络模型深度不够以及语料数据不充分的情况下识别系统的真实模型往往复杂度不够等情况。本文在分析说话人识别方法优缺点基础上使用深度学习技术设计实现一个说话人识别的系统。本文的主要工作如下:(1)归纳了说话人识别方法和特征提取方式的特点和困难点,对比分析目前常用的各种说话人识别技术策略、模型和算法之间的优缺点。(2)研究了基于深度学习的说话人识别框架。将深度学习理论应用到传统的说话人识别系统,使用受限的玻尔兹曼机和后向传播算法训练深度信念网络,从而克服了直接对多层网络模型进行训练的效率问题。(3)引入信道环境下i-vector分析方法的说话人识别,并在i-vector方法基础上,对传统高斯混合型说话人识别进行改善,提出一种使用无压缩i-vector形式和深度学习相结合的方法。在使用无压缩i-vector形式的深度学习说话人识别方法上测试和传统方法比对识别率的影响;不同性别对识别率的影响。(4)根据说话人识别的处理流程,进而给出基于深度学习说话人识别的系统结构,对其中的核心模块进行了具体设计并予以仿真实现,最后对各类说话人识别系统的性能展开测试并对测试效果分析。