如今,人们对通过生物特征进行识别的方式的关注度逐步增高,现在已经发展成为了一个热点课题,其中的重要分支对说话人进行识别也随之进入了人们的视线。说话人识别操作简便,成本低廉,比起其他生物识别方式更容易被人接受。本文的目的便是尽可能快速且准确地对说话人的身份进行识别,并通过语音增强的方式减弱可能会有的噪声影响。主要工作如下:首先,我们对语音进行预处理和特征提取,通过矢量量化的方式,利用得到的语音特征来生成初始码本,并采用LGB算法经过大量训练之后寻求到最佳的码本。再将待测语音与最佳码本进行对比,以此方式实现了一个能够识别说话人身份的说话人识别系统。该系统在识别过程中与说话人所说语言种类,以及文本内容都没有关系,只与说话人所具有的声音特征有关。这是一个文本无关的通过声纹来识别说话人的系统。其次,我们研究了一种广义的端到端的说话人识别的损失计算方式,通过批处理的方式加快整个系统在训练数据时的速度,并利用Softmax损失函数使属于同一说话人的嵌入向量尽可能的逼近其形心,从而减少因为用户数量的暴增所造成的损失。最终得到的结果说明了现有模型的性能要优于传统的模型。最后,为了减弱噪声等因素对识别结果的影响,我们提出了一种添加了混合注意机制的wav2vec2.0的对比学习框架。这种混合注意力模型,是在原有的基于内容的注意力模型上添加位置信息,综合考虑所产生的注意力向量,以减小相似特征的影响。我们发现改进后的框架对噪声确实有着更加好的鲁棒性。综上,本文基于语音增强技术,实现了一种与文本无关的说话人识别系统,通过该系统能够对说话人的身份进行识别。实验结果表明,该系统在准确性和鲁棒性上都表现良好。