作为一种典型的生物特征识别技术,声纹识别就是根据说话人的语音特征识别说话人的身份。声纹识别所提供的安全性可与其它生物识别技术(脸相、指纹、掌纹和虹膜识别技术)相媲美,且语音录取只需电话或麦克风即可,无需特殊的设备,数据采集极为方便且设备造价低廉,是最为经济、可靠、简便和安全的身份识别方式。在任何时候,只需输入说话人的语音,依靠说话人独特的声纹,其身份便可被安全地鉴别。因此,声纹识别成为国内外研究人员关注和研究的一个热点。由于声纹获取、处理等都拥有许多不稳定因素,如采集环境复杂、易被模仿、信道变化等,这些因素都会影响声纹系统的精度和可靠性,所以声纹识别中仍有很多技术问题急需解决。本文围绕声纹识别的系统结构,结合卷积神经网络的结构特点,提出不同解决思路。首先,针对声纹识别系统的不同环节,分析现有主要技术手段的优点以及不足。给出基于梅尔频率倒谱系数和高斯混合模型的经典声纹识别系统,通过实验验证不同参数对系统的影响。其次,在研究卷积神经网络的结构并重点分析其卷积操作和降采样操作的基础上,将这两种操作组合起来,提取出对平移、旋转、尺度变化具有不变性的初始特征。进一步,提出两种基于卷积神经网络的声纹识别预处理方法,即一维卷积预处理和二维卷积预处理方法,并通过实验验证了该方法相比经典方法具有更好的效果。最后,重点研究声纹识别的特征提取和模式匹配过程,提出将这两个独立过程统一到卷积神经网络的结构中来。通过计算语音信号的语谱图,将其作为网络的输入,网络输出为说话人的类别。该方法充分利用卷积神经网络的优势,解决了声纹识别中特征参数选择困难以及模型训练难等问题,并通过实验验证了该方法的有效性。