说话人识别是一种利用语音来辨识说话人身份的技术。近年,发展出了以i-vector和x-vector为主的说话人识别方法,但两者都是独立于背景噪声进行研究的,并没有充分考虑干扰环境对说话人识别性能的影响,导致在各类现实应用场景下的说话人识别性能不佳。经典的语音增强方法,如谱减法等,虽在语音识别、语种识别等多方面得到了有效应用,但对于说话人识别的性能表现却与之有所不同。在对背景噪声进行抑制的同时也对说话人语音的声学结构造成较大破坏,导致经噪声抑制的说话人识别性能仍不尽人意。由此,本文围绕干扰环境下说话人识别的鲁棒性展开研究和探讨。首先,通过研究滤波器组系数(Filter Bank,Fbank)、梅尔频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)以及感知线性预测系数(Perceptual Linear Prediction Coefficient,PLP)三种不同语音特征在i-vector和x-vector说话人识别模型上的说话人识别性能,实现对说话人语音特征的筛选。其次,针对传统谱减法在对背景噪声抑制的同时也对说话人语音的声学结构造成破坏,制约着说话人识别性能的问题,提出构建深度神经网络(Deep Learning Network,DNN)语音增强作为说话人识别的前置处理单元,以减少干扰环境对说话人识别的影响。最后,为弥补语音增强对说话人语音带来的失真问题,在DNN语音增强网络作为说话人识别的前置处理单元基础上构建生成对抗网络(Generative Adversarial Network,GAN)来对说话人注册语音进行数据扩张,实现对注册说话人的身份特征矢量增强,最终获得基于DNN去噪与身份矢量增强的说话人识别模型,进一步提高了干扰环境下的说话人识别性能。在多类型干扰环境下的说话人识别测试结果表明,在嘈杂噪声干扰条件下,基于DNN去噪与身份矢量增强的说话人识别相对于x-vector基线模型的说话人识别等错误率(Equal Error Rate,EER)与最小检测代价函数(Minimum Detection Cost Function,Mindcf16)平均性能指标分别提高了61.92%与20.32%;在工厂噪声干扰条件下,本文所提方法相对于基线模型的EER与Mindcf16平均性能指标分别提高了48.15%与11.45%;在音乐噪声干扰条件下,本文所提方法相对于基线模型的EER与Mindcf16平均性能指标分别提高了55.00%与18.21%;在交通噪声干扰条件下,本文所提方法相对于基线模型的EER与Mindcf16平均性能指标分别提高了56.46%与20.69%。综上所述,本文所提算法模型显著提高了干扰环境下的说话人识别性能。