随着智能语音技术的发展,说话人确认技术逐渐进入人们的日常生活与工作中。如何进一步降低说话人确认的错误率、如何在计算资源有限的终端实现说话人确认是目前智能语音处理领域的研究热点。本文探讨基于深度神经网络的说话人确认及其轻量化问题。论文的主要工作及贡献如下:（1）提出基于注意力空洞残差卷积循环网络（Attentive Dilated Res2Net Recurrent Network,ADRRN）的说话人确认方法。该网络主要包括:卷积初始化层、一维空洞Res2Net组块、残差双向长短时记忆（Residual Bidirectional Long Short-term Memory,RBLSTM）组块、通道注意力统计池化层、加性辐角边界（Additive Angular Margin,AAM）Softmax分类器层。首先,从输入语音样本提取对数梅尔谱并作为ADRRN的输入。然后,ADRRN从对数梅尔谱中学习得到有效刻画局部空间信息和全局时序信息的说话人表征（Speaker Embedding,SE）。最后,将说话人表征输入后端分类器进行评分判决,例如余弦相似度量（Cosine Similarity Metric,CSM）和概率线性判别分析（Probabilistic Linear Discriminant Analysis,PLDA）分类器。采用等错误率（Equal Error Rate,EER）和最小检测代价函数（minimum Detection Cost Function,min DCF）作为主要的性能评价指标。采用选自Vox Celeb1和Vox Celeb2语音数据库的三个公开数据集进行评测。实验结果表明:本文方法在EER和min DCF方面均优于现有说话人确认方法;在计算复杂度和存储空间方面,本文方法也优于大多数基线方法。当采用不同时长语音段作为实验数据时,本文方法具有良好的泛化性能。（2）在（1）的方法中,用于提取说话人表征的神经网络ADRRN的计算复杂度高、存储空间大,不适合部署在计算资源有限的终端。为了克服上述方法的不足,本文提出基于深度表征分块交互的轻量说话人确认方法。设计一个深度表征分块交互模块。该模块包括:初始化层、分块均值池化层、交互层、融合层、分块标准化层。将该模块依次嵌入到ADRRN的卷积初始化层、一维空洞Res2Net组块和RBLSTM组块,从而降低ADRRN的模型复杂度。采用乘加累积操作数（Multiply-Accumulate Operations,MACs）和模型参数量（Model Parameters,MP）作为网络轻量化效果的评价指标。采用选自Vox Celeb1和Vox Celeb2语音数据库的三个公开数据集进行评测。实验结果表明:本文方法在保持或者稍微增加EER和min DCF的情况下,显著降低了计算复杂度和模型参数量。与主流的轻量说话人确认方法相比,本文方法在模型轻量化和说话人确认性能两方面的综合表现更好。此外,本文设计的深度表征分块交互模块可应用于其他深度表征提取网络的轻量化。综上所述,本文主要探讨说话人确认及其轻量化问题,提出基于注意力空洞残差卷积循环网络的说话人确认方法和基于深度表征分块交互的轻量说话人确认方法。本文设计多个实验,并与主流方法进行对比分析,验证本文方法的有效性。