近年来，科学技术的高速发展，在给人们的社会生活带来极大便利的同时，也提高了对个人身份认证安全性上的需求。目前，基于证件或者密码的身份认证技术已然无法完全满足人们的需要，而基于生物特征的身份认证技术以其安全可靠的优势，越来越受到社会和研究者们的关注。语音是人们日常生活中交流沟通最直接、最便捷的方式，基于语音的身份识别技术也因此成为了研究的热点，这就是声纹识别技术。
　　最近，深度学习技术在声纹识别领域取得的一系列的突破，尤其是基于余量的损失函数的提出，使声纹识别系统的性能有了很大的提升。然而，目前的声纹识别技术仍然有很大的优化空间。例如，针对目前采用的基于余量的损失函数，余量的设置本身就是一个难点，余量如果较小，则网络学习到的特征不具备足够的区分性，如果余量设置的过大，那么网络会陷入不收敛的状态，如何在这两者间寻求一种平衡，目前尚无很好的解决方法。另外，在用神经网络完成声纹特征的提取之后，还需要对声纹特征之间的相似度进行度量，目前采用的度量方式主要是余弦相似度，而余弦相似度是一种人工的、非参数的相似度度量方式，缺乏对于声纹相似性更深入的建模能力。因此，本文准备针对以上两个问题进行处理。
　　具体来说，本文的主要贡献如下：
　　(1)针对基于余量的损失函数中，余量设定困难的问题，本文提出了基于强化学习的余量自适应算法。该算法引入了强化学习的机制，可以使网络在训练的过程中，能持续的根据网络的训练状态来对余量进行调整。该算法的余量设置是类相关的，允许不同的类别选取不同的余量。
　　(2)针对声纹特征的距离度量，提出了一种基于深度学习的距离度量算法。该算法引入关系网络的机制，让网络自主的对特征之间的相似性进行学习与刻画。实验证明，该算法使声纹识别系统的识别准确性得到进一步的提升。
　　基于上述设计，本文构建了一个基于余量自适应与关系网络的声纹识别体系，并在数据集Voxceleb2上进行实验。实验结果表明，与目前学术界性能最好的方法相比，我们的方法在等错误率上相对降低了14.4%，证明了该方法的有效性。