随着电子设备性能的提升和深度学习算法的快速发展,基于深度学习的说话人识别系统取得显著的进步,其在识别性能以及鲁棒性上已经全面超越了以往基于统计模型的方法,成为说话人识别领域研究的重点。然而,在许多复杂的现实场景下,现有的说话人识别模型还难以达到实际落地使用的标准。为了进一步提升说话人识别模型的识别准确率和鲁棒性,本文对基于深度学习的说话人识别模型中的关键技术进行研究,针对现有说话人识别模型中存在的不足,提出了更有效的帧级特征提取网络和使模型训练更充分的损失函数及训练策略。一方面,为了克服现有基于深度学习的说话人识别模型难以充分利用输入频谱特征中不同频率特征的全局重要性权重分布信息的局限性,本文提出了频率重加权层（Frequency Reweight Layer,FRL）结构。所提出的FRL可以自动从训练数据中学习到输入频谱特征中每一维频率特征的重要性权重,并利用学习到的重要性权重对输入频谱特征进行频域增强。同时,为了进一步利用FRL对网络的中间层特征进行增强,本文提出了基于多层FRL结构的频率重加权网络（Frequency Reweight Network,FRN）,并通过实验检索了最优的FRL层数配置。实验结果表明,本文提出的FRL能够在新增参数量可忽略不计的情况下提高模型的识别性能。此外,本文通过对FRL所学习到的权重系数进行了可视化分析以及验证实验,得出了对于说话人识别模型而言,输入频谱特征中的低频特征比高频特征更重要的结论。另一方面,为了解决现有基于附加间隔的Softmax损失函数（Margin-base Softmax loss）缺乏困难样本挖掘能力的问题以及其优化目标与说话人识别任务实际评测指标不一致的问题,本文提出了结合基于误分类样本挖掘的分类损失（Mis-Classified Vector Guided Softmax loss,MVSoftmax）和基于小样本学习框架的余弦角度原型损失（Angular Prototypical loss）的融合损失函数。此外,针对MVSoftmax损失函数在说话人识别模型训练初期存在难以收敛的问题,本文提出了两阶段训练策略。实验结果表明,本文提出的损失函数和训练策略能够进一步提升基线模型的识别性能及鲁棒性。最后,本文将所提出的方法集成到基线模型中,并在Vox Celeb1测试集上与已发表的先进模型进行横向对比。实验结果显示,在只使用Vox Celeb1原始开发集训练模型的情况下,本文提出的模型性能指标EER为2.39%,Min DCF为0.25,与基线模型相比EER降低了9.81%,Min DCF降低了16.94%,超越了现有最先进的模型的性能。在只使用Vox Celeb2原始开发集训练模型的情况下,本文提出的模型性能指标EER为1.35%,Min DCF为0.138,与基线模型相比EER降低了12.33%,Min DCF降低了2.13%,取得了与目前最先进的模型性能相当的结果。此外,与现有最先进的模型相比,本文提出的模型参数量更少,具有更高的应用潜力。