近年来,深度神经网络(Deep Neural Network,DNN)技术在语音识别(Auto Speech Recognition,ASR)领域的应用快速发展,已经成为了ASR领域中主流的声学模型建模技术。然而,生产环境中的目标说话人语音与实验环境中的训练数据说话人语音存在的差异,导致的模型不适配的问题,同样出现在了基于深度神经网络的声学模型中,当语音识别系统识别一个不在训练数据中的说话人语音时,系统识别性能会显著下降。本文主要围绕说话人自适应技术对基于深度神经网络的语音识别系统的性能的影响进行详细研究。主要从说话人自适应技术和深度神经网络模型相结合的技术角度进行研究,论文的研究内容如下:1、概述了深度神经网络模型的研究进展,并详细介绍了基础的神经网络模型的结构原理、模型训练的具体步骤和关键过程的数学理论,并给出常见问题的处理方法。然后,构建了基于HMM-DNN模型和HMM-LSTM模型的语音识别系统,作为本文的基线系统,并通过相关实验分析了基线系统的识别性能。2、本文在HMM-DNN模型的基础上,提出了一种新的基于深度神经网络的说话人自适应技术和对应的模型结构。该模型借鉴了声纹识别和神经网络dropout的思想,在基线系统的声学模型中加入带有正则系数的说话人鉴别性i-vector矢量,使得声学模型适应因不同说话人带来的语音差异性,较好的识别其通用的语义信息。然后,通过相关实验证明了该技术方案可以有效的提升ASR系统的识别准确率。3、本文继续研究了循环神经网络(Recurrent Neural Network,RNN)中有良好表现的长短时记忆网络(Long Short Term Memory Network,LSTM)模型。提出了一种在LSTM声学模型中加入带有正则系数的说话人鉴别性i-vector矢量的网络模型,该模型可以更好的适应不同说话人的差异信息,提高模型的泛化能力,从而提升系统性能。通过相关实验和结果分析,证明了两种基于深度神经网络的声学模型在引入带有正则系数的说话人i-vector特征信息后,均在一定程度上提高了系统的识别性能,实现了识别准确率的提高。研究结果也表明本文提出的基于深度神经网络声学模型的说话人自适应技术方案的合理性和有效性。