声纹识别技术作为语音识别技术的核心研究领域,一直备受语音研究者们的重视,其在金融、司法、国防等诸多领域都有着广泛的应用前景。声纹与人脸、指纹等生物特征相同,能够表征人的身份。随着智能手机的普及,提取声纹所需的麦克风硬件环境已经趋于完善,大量用户的语音数据随之而来。在这一发展背景下,依靠概率模型进行打分判定从而进行身份识别的传统声纹识别模型受限于其计算速度的缓慢,很难搭建效果良好的系统。随着深度学习和神经网络技术的不断发展,其天然适合处理大量数据的特性非常适合声纹识别技术解决现在所面对的问题。本文基于卷积神经网络对声纹识别算法进行研究,主要工作和创新点如下:（1）传统的声纹识别技术采用经典的梅尔频谱倒谱系数（Mel-Frequency Cepstral Coefficient,MFCC）参数作为表征声纹的参数,没有针对人类对声纹的识别特性在特定频段上的差异进行适应性调整。本文通过分析人类的发声原理和听觉特性,在传统声纹特征参数MFCC的基础上提出了两种改进方案。第一,根据人耳的听觉频率敏感度改进了滤波器组的结构,提取基于混合梅尔滤波器组的MFCC参数;第二,提取说话人的基音频率作为辅助参数,在传统MFCC特征参数的基础上融合基音频率得到新的特征参数。采用 GMM-UBM（Gaussian Mixture Model-Universal Background Model,高斯通用背景混合模型）模型对改进参数进行对比实验,实验结果验证了改进特征参数方案的有效性。（2）卷积神经网络技术主要应用于图像识别领域,本文基于人的听觉特性改进了卷积神经网络的结构,在AlexNet经典卷积神经网络结构的基础上取消了卷积核全局共享作用,使其适用于语音识别领域。由于声纹特征在不同频段上的分布量不同,所以在不同的频段采用独立的卷积核以保证最大限度地提取声纹特征信息。网络训练方面采用对数据库内的每段短语音提取语谱图作为网络的输入特征。同时构建了大小两个测试集对MFCC-GMM-UBM模型的性能和本文提出的模型性能进行测试比较。结果表明在大测试集的情况下用于声纹识别的听觉卷积神经网络性能优于传统概率模型,该方法对大数据背景下的声纹识别系统搭建有一定的参考价值。