基于深度学习方法的声纹识别（Speaker Recognition）论文综述

声纹识别（Speaker Recognition），是一项提取说话人声音特征和说话内容信息，自动核验说话人身份的技术。
声纹识别通常分为两类：Speaker Verification （说话人验证）和Speaker identification （说话人识别）。

• Speaker Verification （说话人验证）：使用自己的语音进行验证。如果说话人宣称是某个身份，使用语音对此进行验证。
• Speaker identification （说话人识别）：识别谁正在说话。用于确定某个未知说话人的身份。未知说话人的输入音频与选中的说话人组配对，如果发现存在匹配，即返回说话人的身份。
  在实际应用中，划分为三个阶段：
  （1）开发阶段：训练一个深度网络模型区分不同说话人；
  （2）注册阶段：用训练好的网络创建说话人模型。
  （3）验证阶段：提取测试语句特征，与存储的说话人模型进行比较，验证身份。
  语音预处理：语音降噪、回声消除、语音端点检测等

1、 Deep Speaker：an End-to-End Neural Speaker Embedding System （Baidu 2017）
（1）数据预处理方法：未知
（2）深度网络结构（用于提取声学特征）：

采用两种深度神经网络模型作为骨架网络：

• Deep residual CNN (ResCNN)，基于ResNet 改进；
• Gated recurrent unit (GRU) ，基于RNN 改进。
  （3）损失函数
  使用人脸识别中采用的三元组损失（Triplet Loss）, 在训练过程中，选择一个说话者的话语，然后计算一个嵌入（标记为“Anchor”）。再产生两个嵌入，一个来自相同的说话者（标记为“Positive”），一个来自于不同的说话者（标记为“Negative”ÿ