对于说话人认证系统,用户在注册时一般处于平静状态,而说话人在非中性情感状态下的语音相比于平静状态时会发生较大的改变,这种注册语音和测试语音的情感失配会导致系统的性能急剧下降。出于用户使用的友好度,系统不应要求用户在注册时模拟各种情绪语音,因此进行情感语音说话人认证的研究对提升说话人认证系统的稳定性具有重要意义。目前,情感说话人认证技术方案通常是为每种情绪分别训练一个模型,因此在多种情绪环境下应用时需要存储不同情感对应的模型参数,同时说话人认证系统能否取得预期效果很大程度上受情绪识别性能优劣的影响。本文针对文本无关的情感语音说话人认证任务进行研究,主要工作及贡献有以下几个方面:1、本文对比不同情绪状态下的语音在三种说话人相关的基础声学特征上的表现差异,并利用i-vector算法进行说话人认证实验,通过情绪匹配和情绪不匹配的多组实验证明了情绪的不适配会极大损害系统性能。2、针对不确定情感语音的说话人认证问题,本文基于x-vector搭建说话人分类的单任务学习系统,然后结合情绪分类任务,基于单任务学习网络构建多任务学习网络。由于数据集中情感信息的有限性,本文引入并改进了跨梯度训练流程以适应情感语音说话人认证任务,最终在有26人的测试集上等错误率为6.986%,相比于原始的x-vector系统,相对下降了15.66%。3、针对限定情感语音的说话人认证问题,本文在第三章介绍的网络模型基础上对声学特征的不同阶数进行简单加权,并根据广义端到端损失函数设计了基于情感信息的端到端损失函数。考虑到某一种情绪语音的数据量过少,将训练好的不定情感语音的说话人认证网络作为预训练模型,利用特定的一类情感语音和中性语音作为训练数据,对网络参数进行微调。对于不同非中性情绪下的说话人认证,等错误率相比于预训练模型降低0.116%—0.579%。4、本文实现了一个情感语音说话人认证的安卓应用,该应用包括两种模式:不限定语音情感的说话人认证和限定语音情感的说话人认证。经过30个人参与系统实测,实测性能与在数据集上的实验性能相当,具有一定的实用价值。