声纹识别技术是生物特征识别的一个分支,也是现今人工智能领域的热点之一,在理论研究和实际应用中都取得了快速发展和广泛关注,其在养老金保险系统、身份认证系统、门禁系统和安防等信息安全领域有着广泛的应用。然而随着科学技术的发展,合成说话人的声音变得更加方便精确,使得合成语音对声纹识别系统的信息安全方面产生很大的威胁,也使得声纹识别系统的推广和应用面临很大的挑战,因此研究防止合成语音攻击的声纹识别系统具有迫切需求和重大意义。本文是在Asvspoof2015比赛的基础上,结合实际应用需求及国内外研究现状,对防合成语音攻击的声纹识别算法进行研究,在基于高斯混合-通用背景模型(GMM-UBM)的声纹识别系统基础上,结合了防合成语音攻击检测系统,得到一个既能判别是否为合成语音,又能判定语音是否为目标说话人的融合系统。并在特征提取上引入了梅尔频率倒谱系数(MFCC)和线性频率倒谱系数(LFCC)特征融合方法,以及将深度神经网络中获得的新型学习滤波器组应用到传统的高斯混合模型系统中的方法,最终设计实现了防合成语音攻击的声纹识别系统。在对经典声纹识别算法的介绍中,从理论和实验分析对比了传统算法和深度学习算法,从结果比较了两者的优劣。为了提高系统的性能,提升识别率,本文对不同特征提取算法进行了分析与实验,通过不同的特征结合,获得了相对优越的性能。在此基础上,进一步阐述了基于深度学习的算法原理和工作流程。在Asvspoof2015的数据集,总共S1~S10十种不同方法合成的语音上,基于单个MFCC特征的合成语音攻击检测系统的平均等错误概率(EER)为4.6371%,MFCC与LFCC特征融合后的合成语音攻击检测系统的平均等错误概率为2.5967%,利用深度神经网络学习得到的学习滤波器组所设计的合成语音攻击检测系统的平均等错误概率为1.0089%。从结果上可见,不同特征参数的合成语音检测系统之间具有较强的互补特性,另一方面,具有合成语音检测的声纹识别系统,在性能上明显优于传统声纹识别系统。由于无法区分合成语音,许多合成语音都被识别为目标说话人,没有经过合成语音攻击检测的声纹识别系统的EER为13.5183%,这个系统性能不佳,无法应用于实际场景中,而具有合成语音攻击检测的声纹识别系统的EER为5.1064%,很大程度地提升了识别准确度,这也是体现了本论文的研究意义。