目前大多数声纹识别技术使用复杂度较高的网络模型,以达到更准确的识别精度。模型复杂度过高不适用于存储空间和计算资源不足的设备,例如手机、手环等。相比于高复杂度的模型,轻量级神经网络模型无论在存储空间,还是计算资源方面的需求都低得多。近年,基于深度可分离卷积的轻量级神经网络模型表现出了卓越的性能,将其中较为优秀的模型应用到声纹识别任务上发现,这些模型在性能和轻量化上无法达到很好的平衡。此外,日常生活中移动终端设备的使用多数情况下伴随着噪声干扰,这会影响模型的识别精度。为了解决以上问题,本文基于深度可分离卷积设计了轻量级神经网络OSNet,并将变分信息瓶颈引入到声纹识别模型中,提升声纹识别模型的鲁棒性。本文主要围绕轻量级神经网络的设计和鲁棒声纹特征的提取展开研究,主要工作包括以下两个方面:（1）针对高复杂度的声纹识别模型无法应用于移动终端设备的问题,提出了适用于声纹识别任务的轻量级神经网络。本文从模型性能、模型复杂度和运行速度三个角度出发,基于深度可分离卷积设计了轻量级神经网络模型OSNet,来解决声纹识别任务,并在Vox Celeb1语音数据集上验证了模型的有效性。实验结果表明,相比于基于Res Net34的模型,基于OSNet的模型在损失了0.12%识别精度的情况下,其模型大小、参数量和计算量分别降低了9倍、14倍和12倍,运行速度提高了2～3倍。与相近计算量的Mobile Net V2和Shuffle Net V2等轻量级模型相比,OSNet模型虽然比表现最优的Mobile Net V2损失了0.05%的精度,但对存储空间的需求小了4MB,参数量减少了50%,并且运行速度最快。（2）针对真实生活场景的复杂环境对模型的干扰问题,利用变分信息瓶颈方法提高说话人声纹特征的鲁棒性。本文首先从理论角度分析了信息瓶颈与模型鲁棒性的关系。使用变分推断法得到信息瓶颈的变分近似表示,称为变分信息瓶颈。之后将变分信息瓶颈引入到声纹识别模型中,促使模型学习一个良好的压缩表示。该压缩表示不仅要包含足够多用于预测目标变量的信息,还要忽略输入变量中和目标变量无关的细节,即压缩表示对噪声是不敏感的。实验结果表明,相比于未引入变分信息瓶颈的模型,引入了变分信息瓶颈的Res Net34和OSNet模型在惩罚强度为0.01时,EER值分别降低了15%和17%。在惩罚强度为0.001时,基于Mobile Net V2的模型EER值降低了12%。