说话人识别是一种非接触式的生物特征识别技术。近年来,随着深度学习的发展,以及智能手机、智能音箱、智能家电的普及,与之相伴的说话人识别技术得到了大规模的应用。然而,在实际的应用场景中,说话人识别系统依然面临诸多挑战,说话人发声的变化性和所处的场景、环境的变化性等不确定性因素制约着系统的性能。为此,本文基于深度神经网络的表示学习方法,研究从复杂的语音信号中提取具有鲁棒性和区分性的说话人表示,并能够灵活实用地应用在说话人相关的不同下游任务中,以提升系统的性能表现。本文的贡献有以下几个方面:一、提出了基于密集连接卷积-双向注意力深度神经网络的说话人表示学习方法。结合密集连接卷积神经网络的特征复用机制,提取深层特征用来表示帧级别说话人信息,提出将双向序列建模与注意力机制有效结合的双向注意力池化方法。该方法提升了深度神经网络对说话人特征的学习能力。在多个下游任务中,验证了所提出模型能够提取出具有区分性和泛化能力的说话人表示。二、提出了基于注意力机制优化的说话人表示学习方法。考虑到注意力机制在提取说话人表示时,更关注相对重要帧信息的特性。我们结合注意力机制,改进优化了用于池化方法的全局多头注意力机制和多分辨率多头注意力机制,并从定性和定量的角度进行了分析。结果表明,所提出的优化机制能够从不同视角有效地捕捉语音特征中的说话人信息,提升说话人表示的区分性。三、提出了基于说话人损失优化的语音增强方案。考虑到现有说话人表示的建模方法存在泛化性能弱、鲁棒性差等问题。我们分别从数据和模型两个方面,分析了现有说话人表示鲁棒性建模方法存在的问题及缺陷。从多个角度设计优化方案,提出了一种有效的数据增广策略来训练鲁棒性说话人模型。并结合语音增强模型,进一步提出了基于说话人损失优化的语音增强方案,提升了说话人表示在噪声环境下的鲁棒性。