说话人识别是一种利用说话者的声学特征来进行身份验证的技术,又称为声纹识别。我们知道,人类的声纹是独特的、简单易得的、并且非常稳定的,说话人识别技术利用人类声纹的特点,现在已经在日常社会生活中得到广泛的应用,例如在身份识别领域就被人们所看好。近些年来国内外对于声纹识别技术的应用领域已经日渐增多,例如在公安领域说话人识别系统,声纹识别亲情电话系统^[1],声纹识别定位追踪系统,居民住宅、重要办公场合的声纹锁,网上交易身份验证等诸多方面的应用,但如今黑客或者现实中模拟盗版技术又十分普遍,这就十分迫切的需要声纹识别系统的准确性和稳定性的支撑,来提高身份识别的安全保障。在说话人识别领域的研究领域,其技术大概分别声音文本的采集,声音文本的预处理,语音特征的提取,声音文本的建模以及识别。在研究中,我们都迫切的寻找能让识别率达到更高的算法,随着人工智能技术的不断发展,利用深度学习的方法已然研究达到了一个新高度,再通过算法方向来提高识别效率难度太高,换而言之,对于识别算法的优化已经到了一个瓶颈期。对于高准确率的追求过程中,研究者们往往只看重算法好坏给系统带来的准确率的提高,却忽视在说话人提取过程中对语音文本建模这个方向对于提高系统性能也是有帮助的。我们通常利用的是对整体的说话人进行语音特征提取并建立特征模型,本文要提出一种细化建模的思想,当然细化建模的方式有很多种,例如分地域,分年龄,分性别。本文讨论的主要是对于说话人群按照性别区别,分别进行特征提取以及建立声学特征模型。使用了基于矢量量化的说话人识别方法和基于深度神经网络的说话人识别系统。对男女语音特征分别进行MFCC,LPCC,MFSC,双重MFCC等特征提取,探究语音特征分别适用的性别。通过实验结果进行分析和对比,结果表明在利用相同的识别系统的情况下,MFCC及其相关特征提取方式对于男声的表征能力优于对女声的表征能力,LPCC对于女声的表征能力优于对男声的表征能力;并且利用高纬度的识别模型进行实验时,MFSC的性能要高于MFCC。这就为今后对于提高说话人识别系统性能的研究方面提供了方向,即可以对男女说话人分开进行研究,分别探究适用于不同性别的算法或者模型,从根本上提高系统性能。