说话人识别利用机器自动地对语音片段的目标说话人进行区分。主流的i-vector和x-vector系统将给定的语音片段用具有说话人区分性的低维向量表示,并通过后端建模进一步处理,取得了很大的成功。在此基础上,本文研究采用低维向量表示的说话人识别方法,主要包括说话人低维向量表示的提取方法和信道补偿算法以及多种低维向量相结合策略。网络结构对深度神经网络(DNN)嵌入向量的说话人差异性表达至关重要,原始的x-vector采用时延神经网络(TDNN)和统计池化层分别进行帧信息的提取和聚合,不足以准确地提取说话人信息。带注意力机制的统计池化(ASP)通过对高层特征表示进行加权,增强了神经网络的池化能力。本文在此基础上进一步引入门控机制,利用门控卷积神经网络(GCNN)替代TDNN,从而获得更具表达能力的帧级别特征表示;将门控机制与注意力机制进行结合,提出门控的注意力统计池化(GASP)进一步增强池化层对说话人信息的捕获能力。x-vector采用有监督学习的方式进行网络的区分性训练,训练过程中只利用了说话人标签信息而忽略了输入语料自身的无监督信息。本文提出一种基于高阶统计量的多任务学习策略,在神经网络分类说话人标签的主要任务基础上,引入了重构一阶和高阶统计量的辅助任务。通过有监督和无监督学习的互相配合,提取的说话人向量将更具说话人区分性和鲁棒性。信道补偿算法可以对说话人低维向量中的信道信息进行抑制,线性区分性分析(LDA)信道补偿虽然应用广泛,但因其对数据单峰高斯分布的假设而难以满足复杂场景中的应用需求。有监督的局部保留投影(SLPP)基于权重矩阵对类内和类间的近邻样本对进行加权,保留了重要的局部信息,相比于LDA与其变种(NDA和LWLDA)有更好的性能。本文将概率线性区分性分析(PLDA)与SLPP进行结合,提出P-SLPP算法,利用相对PLDA得分进行SLPP权重矩阵的改进,进一步增强了 i-vector和x-vector的信道补偿效果。单个低维向量表达的说话人信息有限,本文通过得分融合、拼接融合以及深度融合将多种低维向量进行结合,从而探究不同低维向量间的互补性。在深度融合中,本文提出基于AM-Softmax的融合网络将多种低维向量融合为一个向量表示,取得了优于得分融合和拼接融合的效果,并且该融合策略可以通过多任务学习得到进一步改进。最后,结合深度融合和得分融合,可以显著提升说话人识别系统性能。