随着时代的发展,个人信息在人们生活中占着越来越重要的地位,指纹、虹膜、和面部成为主流的个人身份识别特征,其技术成熟、应用广泛。而声纹和指纹、虹膜、面部一样具有唯一性,更具有经济性、便捷性的优点,是一种极具潜力的生物识别方式。移动设备是常用的识别载体,以上识别方式最终在载体上发挥它的实际价值和效用,安卓是移动设备常用的系统,其实用的经济前景较好,本文以安卓为平台,研究声纹识别模型(Voiceprint Recognition,VR)在安卓平台上的应用表现,同时由于移动设备的计算能力较PC端差,对模型进行剪枝压缩,减小模型的计算量,在保证可接受正确率的情况下,加快模型的识别速度。本文分析了声纹识别技术常用的特征参数和识别算法,以梅尔倒谱系数(Melfrequency Cepstrum Coefficient,MFCC)作为说话人的语音参数,详细介绍了梅尔倒谱系数的提取过程,分析了其作为参数的优势,并研究了深度学习(Deep Learning,DL)在声纹识别中的应用,利用深度学习网络模型对语音参数进行特征提取,探究了其识别效果。本文研究的声纹识别算法应用了深度学习技术,在PC端经过训练、调整,取得了良好的识别效果,其在开集、闭集测试中均达到了较好的正确率,并且经过对模型的压缩,其计算量有了减少,在移植到安卓平台上之后,识别正确率以及识别速度适合移动设备的应用。本文经过研究验证了声纹识别模型在安卓设备上的可移植性、实用性,有较好的应用前景和经济效益。同时由于录音、生病、噪声等原因,声纹识别会有安全性、稳定性等的问题待解决,这也使得声纹识别的应用会遇到较多障碍,需要相关研究人员的共同努力。