说话人识别是一种重要的生物识别技术,对于金融预防欺诈、移动支付、公安中的刑侦鉴识等领域有重要的应用价值。GMM-UBM模型(高斯混合模型-全局背景模型)作为在说话人识别技术研究中最为经典的模型,一直是相关领域研究的重点。在GMM-UBM模型中,UBM是一个涵盖了更多语音特征的高阶的高斯混合模型,因此在GMM-UBM模型中,高斯混合模型的参数估计是极其重要的。其中,期望最大化(EM)算法是高斯混合模型中最常用的参数估计方法。但是EM算法只能保证使似然函数收敛到一个局部极值点,从随机起点开始,EM算法有较大的可能收敛到一个较差的局部极值点。K-Means算法虽然能缓解这一问题,但效果有限。因而EM算法不能训练得到一个较好的GMM-UBM模型,进而影响识别精度。为了克服EM算法本身的局限性,本文提出通过优化sliced Wasserstein距离来估计GMM-UBM的参数。因为由sliced Wasserstein距离形成的优化空间包含较少的局部极值,使用随机梯度下降法优化sliced Wasserstein距离,会更容易得到较好的GMM-UBM模型,进而提高模型的说话人识别的识别率。本文提出使用最小化sliced Wasserstein距离的方法训练GMM-UBM说话人识别模型,并且与传统的使用EM算法训练的GMM-UBM说话人识别模型进行了对比实验,比较分析两种方法对于说话人识别系统识别性能的影响。实验结果显示,在不同初始化方法情况下,不同高斯混合数以及不同注册数据量的情况下,本文提出的方法的识别率都有不同程度且明显的提升。平均来说,与EM算法训练得到的最好的GMM-UBM模型相比,提出的方法在识别率指标上能提高5%左右。