随着智能手机的普及以及其录音功能的强大，人们倾向于用手机记录生活中的语音信息。当有纠纷发生时，音频的手机来源识别是司法取证过程的关键环节之一，已成为近年来的研究热点。现有的研究大多适用于纯净和人工添加噪声的语音环境，而在包含实际背景噪声的环境中很难取得令人满意的识别结果。
　　基于此，本文基于自然环境背景噪声，研究音频的手机来源识别技术，主要工作包括：
　　(1)调研了基于音频的手机来源识别研究现状，分析了当前手机来源识别中存在的问题，并阐数手机来源识别研究意义。
　　(2)创建含有自然背景噪声的手机音频数据库，涵盖了主流的10种品牌47种型号的手机。
　　(3)提出两种基于时间卷积网络(Time Convolution Network ，TCN)和线性判别分析(Linear Discriminant Analysis , LDA)的手机来源识别算法：一种是通过提取语音的混合特征，并基于LDA对混合特征进行优化，最后利用TCN作为分类器进行模型训练和测试；另一种是利用TCN作为特征提取器提取语音深度特征，并基于LDA对深度特征进行优化，获得低维深度特征，最后利用SVM作为分类器进行模型训练和测试。最后，对比实验证明两种方法在自然背景噪声的环境中可以获得较好的识别效果。
　　(4)提出一种基于遗传算法优化TCN的手机来源识别算法。首先选择合适的编码方式、有效的适应度函数并结合遗传操作对TCN网络进行优化；然后利用优化后的TCN进行深度语音特征的学习，并采用LDA进行优化，获得低维深度语音特征；最后利用支持向量机(Support Vector Machine, SVM)作为模型训练器并通过实验验证了该算法的有效性。