说话人性别识别是语音识别的一个重要领域,是基于说话人的声学特征进行说话人性别识别的技术。它最早是说话人识别领域的一个子研究课题,对语音信号先进行性别识别,再依据男女类别分别进行说话人识别,可以显著减少搜索空间和时间,在提高说话人辨别的准确率、提高系统的处理速度等方面都具有极大的意义。并且,基于性别相关的情感识别技术也一直是研究者处理情感计算的方法。传统的说话人性别识别系统,在纯净语音环境下以音素或单元音作为性别识别的训练语料的识别率较高,针对电话语音的性别识别也能达到较好的效果;而应用在连续语音或短时语音段上的识别率大大降低。在说话人性别识别系统中,特征参数的选取对系统的识别影响重大,单一的语音特征对识别率的提高有着局限性。本文尝试使用多种特征组合的方法来提升对连续语音的识别率。首先,对比了不同维数下的梅尔倒谱系数特征对识别率的影响;其次,选取了识别率较高的特征系数与基音和共振峰作为组合特征进行识别来进一步提高系统的识别率。另外,由于浅层的分类模型对于高维数据的处理能力不足,难以提取深层的特征信息,容易陷入局部最优解等问题。因此,引入深度学习的方法来进行分类识别,它使得深层神经网络的性能得到提升。最后,通过实验结果表明:本文使用的说话人性别识别方法在两组语音库下的识别率均能达到96%以上,且与浅层的分类模型对比,其对说话人性别的识别率更高,具有更好的识别性能。