深度学习框架下说话人识别研究综述

来源：计算机工程与应用杂志2020年第7期北京时间：

作者：曾春艳，马超峰，王志锋，朱栋梁，赵楠，王娟，刘聪

单位：1.湖北工业大学 太阳能高效利用及储能运行控制湖北省重点实验室，武汉 430068；2.华中师范大学 数字媒体技术系，武汉 430079

摘要：说话人识别由于其独特的方便性、经济性和准确性等优势，已成为人们日常生活与工作中重要的身份认证方式。然而在实际应用场景下，对说话人识别系统的准确性、鲁棒性、迁移性、实时性等提出了巨大的挑战。近年来深度学习在特征表达和模式分类方面表现优异，为说话人识别技术的进一步发展提供了新方向。相较于传统说话人识别技术（如GMM-UBM、GMM-SVM、JFA、i-vector等），聚焦于深度学习框架下的说话人识别方法，按照深度学习在说话人识别中的作用方式，将目前的研究分为基于深度学习的特征表达、基于深度学习的后端建模、端到端联合优化三种类别，并分析和总结了其典型算法的特点及网络结构，对其具体性能进行了对比分析。最后总结了深度学习在说话人识别中的应用特点及优势，进一步分析了目前说话人识别研究面临的问题及挑战，并展望了深度学习框架下说话人识别研究的前景，以期推动说话人识别技术的进一步发展。

关键词：说话人识别,深度学习,特征表达,模式分类,端到端