随着统计机器学习和深度学习技术在人工智能领域中的不断发展和应用,生物识别也逐渐成为人工智能领域中的重要研究对象之一.声纹识别是生物识别中身份验证的一种,是指通过对说话人声学特征进行建模从而达到身份识别的一种技术.近年来得益于统计机器学习、深度学习以及信息技术的快速发展,声纹识别在基础理论研究和算法模型上均取得了较大的突破.声纹识别中的主要研究对象可以分为声学特征提取和声学特征建模,本文将深度学习方法引入到声纹识别中,希望借助深度学习的非线性结构对声学特征进行深层身份信息抽取,以此来提高声学特征在模型中的表征能力,为闭集声纹识别和开集声纹识别提供较好的数据基础,主要工作成果和创新点如下:1.深度学习模型采用由三层受限玻尔兹曼机堆叠而成的深度置信网络,采用梅尔倒谱系数作为低维声学特征,通过深度置信网络将低维声学特征映射到高维声学空间中,并将该网络作为深度声学“特征提取器”.具体地,基于24维MFCC,通过该深度置信网络得到256维深度声学特征.由深度声学特征和梅尔倒谱系数可视化对比分析可知,高维声学特征相较于低维特征区分度更高.2.以“深度置信网络+支持向量机”作为闭集声纹识别模型进行了相关研究.相较于传统声纹特征和识别模型,本文设计的声纹识别模型在识别准确率和识别时间效率上均有所提升.同时研究了小样本声纹识别和深度声学“特征提取器”的泛化能力,训练深度置信网络时,每个说话人选用短时语音信号组成的小样本数据作为该网络的训练集,通过已训练好的神经网络对非训练集中的说话人语音信号提取高维声学特征.实验结果表明,在该框架下的小样本的声纹识别模型识别准确率高,且深度置信网络具有较好的泛化能力.3.在开集声纹识别中,提出了一种基于信号相似度分布和累积概率的自适应阈值算法,该算法的优点是考虑了每个说话人的信号相似度分布.模型首先针对每个说话人的深度声学特征分别建立高斯混合模型,将高斯混合模型计算的结果作为信号相似度值,并将相似度集合按照是否属于该说话人划分为两个子集;其次是估计出两个子集中信号相似度值的近似分布,并给定一个允许错误拒绝与错误接收的概率.最后将这个概率值作为两个分布中的累积概率,并取两分布中该累积概率对应的分布点作为阈值的备选值,取其大者作为最终阈值,研究结果表明,该模型对于集外的说话人能完全拒识.