随着深度学习的发展，声纹识别具有获取语音文件方法简单、快捷，适合远程认证的特点，这些优势使得声纹认证越来越受到系统和开发者的青睐。在实际生活中声音常常会有干扰人们之间交流的噪音或者是陌生人说话的干扰语音，进而影响人与人之间的交流。本文在充分查阅相关文献资料的基础上，针对现有的声纹识别不能很好地识别有干扰语音的数据的问题，本文提出一种利用双向长短时记忆神经网络对混合语音进行分离，然后用卷积神经网络进行验证这种分离方法的可行性。本文只要从以下几个方面做了研究：
　　首先，简要叙述了本课题现阶段的发展意义和背景，并且介绍了国内外声纹识别的三大分水岭，并且对说话人分离聚类技术做了简单的介绍。
　　其次，对语音数据进行预处理，然后将语音分离分为两类，一类是利用贝叶斯信息准则算法对对话式语音的分割，另一类为对混合语音的分离，阐述了基于时频掩蔽的方法，利用双向长短时记忆神经网络将语音信号映射到特征空间的语音分离算法的研究过程。
　　再次，利用均值聚类将映射到特征空间的集合分成两类并合成语音信号片段。计算误差和评价标准，并且设计几组对比实验，分析了迭代次数，学习率和说话人性别对语音分离的影响，验证参数对其训练误差的影响，选择最优参数来训练语音分离，使误差降到最小。
　　最后，利用卷积神经网络将原始语音数据进行训练，建立模型，然后将分离聚类好的语音数据进行识别验证，得出识别率与同类语音分离进行对比，来验证本文提出的方法用于多人说话的声纹识别的可行性。