基于深度神经网络的说话人识别系统凭借对大量标注数据的非线性建模优势,较之传统概率生成式建模方法有着更好的性能表现。然而在实际应用场景中,基于神经网络模型的说话人识别系统泛化性严重不足:一方面,在复杂噪声环境下,系统性能将急剧下降,另一方面,基于集内数据进行分类训练的网络模型对于集外数据的泛化能力不强。本文针对现有说话人识别模型的泛化性能,重点研究了基于深度神经网络的说话人生成式建模方法。本文的主要创新点有:（1）针对噪声鲁棒性,提出了基于生成对抗网络框架的说话人深度特征表征提取方法。本文基于对抗架构设计了多任务多分类的说话人特征学习框架,通过对抗机制弱化非目标信息（噪声信息）对于目标信息（说话人信息）的影响,从而提升说话人表征的噪声鲁棒性。此外,为解决多任务多分类对抗网络框架中网络难以训练及标签限制的问题,本文进一步设计了基于生成对抗网络的噪声鲁棒性学习框架,充分利用生成对抗网络的匹配生成能力,弱化非目标信息影响,提高了说话人特征的抗噪能力,改善了带噪环境下的说话人识别性能。（2）针对泛化建模能力,提出了基于深度神经网络的PLDA建模方法。区别于传统PLDA训练方法,本文将PLDA的生成建模假设与深度网络架构相互关联,利用变分自编码器实现PLDA网络化建模过程。在实用场景测试集VoxCeleb1上,PLDA网络化建模获得比传统PLDA建模更好的识别性能,提高了现有说话人深度模型在复杂场景的泛化能力。（3）提出了基于注意力机制的通道信息增强方法。本文分析特征域不同通道信息贡献度的差异,提出了基于注意力机制的通道信息增强方法,使用Squeeze-and-Excitation网络学习不同通道维度对于说话人表征学习的贡献度,并且基于贡献度差异强化有用信息,弱化无用信息,从而提取更具有区分性的说话人特征表征。