陈晨，肜娅峰，季超群，陈德运，何勇军

（1.哈尔滨理工大学计算机科学与技术学院，黑龙江 哈尔滨 150080；2.哈尔滨理工大学计算机科学与技术博士后流动站，黑龙江 哈尔滨 150080）

1 引言

近年来，以生物识别技术为基础的身份认证方式正在逐渐取代传统的静态身份认证手段。随着科技的发展，以指纹识别、人脸识别及说话人确认为代表的一系列生物识别技术已在多种认证场景中取得了较广泛的应用。其中，说话人确认技术能够根据说话人的声音特性来有效识别其身份。由于每个人在说话过程中所蕴含的语音特质与发音习惯几乎独一无二，因此说话人确认技术兼具生理特性与行为特性，从而使其相较于其他生物识别技术的仿冒难度更大、安全性更高[1]。与此同时，“无接触”的说话人确认技术能够有效阻断“人传人”的传播链条，为个人健康提供更可靠的保障。

说话人确认能够通过对说话人语音信号的分析处理，来充分结合知识、数据、算法与算力，是迈向第三代人工智能[2]的典型代表。如何从大量语音数据中凝练出准确的说话人身份信息，则是说话人确认任务中最值得关注的研究焦点。为此，需要深入研究能够直接代表说话人身份特性的特征表示问题，研究者也针对该问题提出了大量有效的说话人特征表示学习模型。其中，以身份−矢量（I-vector,identity-vector）[3]方法为基础的一系列特征空间学习方法应运而生，它们均能将具有不同时长的语音信号映射为固定维度的低秩I-vector 特征表示。……