说话人识别,又称为声纹识别,是一种依据语音来判别说话人身份的技术。近些年随着互联网的快速发展和智能移动设备的普及,人脸识别、指纹识别和说话人识别等身份验证技术有了广阔的应用市场。说话人识别的核心是从语音中提取出能表征说话人身份的信息,深度神经网络因为具有强大的信息提取与建模能力,已经在计算机视觉、自然语言处理等领域得到广泛应用,将深度神经网络引入说话人识别领域是目前的研究热点。本文主要工作如下:首先,研究了基于深度神经网络的说话人识别系统,以梅尔频率倒谱系数作为语音的特征参数,搭建了基于深度长短期记忆网络(LSTM)的说话人识别系统作为基线系统。其次,研究了神经网络的复杂性对系统性能的影响,由于隐层层数和节点数目的改变会影响系统的识别效果,所以对不同层数和节点数的网络结构进行了识别率对比,进而选定网络结构,优化了识别系统。最后,与传统的说话人识别系统GMM-UBM进行了两方面的对比实验分析,验证了无论是在语音长度改变还是在说话者个数增加的情况下,基于LSTM模型的说话人识别系统的识别效果均优于传统模型。