1.一种声纹认证处理方法，其特征在于，包括以下步骤：
应用混合性别的深度神经网络DNN声纹基线系统，提取训练集中每条语音的第一特征向量；
根据所述每条语音的第一特征向量以及预先标注的性别标签训练性别分类器；
根据所述训练集中不同性别的语音数据，分别训练不同性别的DNN模型；
根据不同性别的DNN模型以及所述训练集中不同性别的语音数据，分别训练不同性别的统一背景模型、特征向量提取模型、以及概率线性判别分析模型。
2.如权利要求1所述的方法，其特征在于，还包括：
接收用户发送的携带用户标识的声纹注册请求；
获取用户发送的用于声纹注册的多条语音，提取第一条语音的第一特征信息，应用所述性别分类器获取所述第一特征信息的性别标签；
根据与所述性别标签对应的DNN模型获取每条语音的后验概率；
根据与所述性别标签对应的统一背景模型和特征向量提取模型，分别提取每条语音的第二特征向量；
根据与所述多条语音对应的多个第二特征向量获取所述用户的声纹注册模型；
将所述用户标识、所述性别标签、所述声纹注册模型的对应关系存储到声纹注册数据库。
3.如权利要求2所述的方法，其特征在于，所述根据与所述多条语音对应的多个第二特征向量获取所述用户的声纹注册模型，包括：
获取所述多个第二特征向量的平均特征向量作为所述用户的声纹注册模型。
4.如权利要求2所述的方法，其特征在于，还包括：
接收用户发送的携带用户标识的声纹识别请求；
查询所述声纹注册数据库获取与所述用户标识对应的性别标签和声纹注册模型；
获取用户发送的用于声纹识别的语音，根据与所述性别标签对应的DNN模型获取所述语音的后验概率；
应用与所述性别标签对应的统一背景模型和特征向量提取模型，提取所述语音的第二特征向量；
应用与所述性别标签对应的概率线性判别分析模型，比较所述语音的第二特征向量和所述声纹注册模型的相似度；
根据所述相似度和预设的阈值向所述用户返回声纹识别结果。
5.如权利要求4所述的方法，其特征在于，所述根据所述相似度和预设的阈值向所述用户返回声纹识别结果，包括：
比较所述相似度和预设的阈值的大小；
若获知所述相似度大于等于预设的阈值，则返回声纹识别成功；
若获知所述相似度小于预设的阈值，则返回声纹识别失败。
6.一种声纹认证处理装置，其特征在于，包括：
提取模块，用于应用混合性别的深度神经网络DNN声纹基线系统，提取训练集中每条语音的第一特征向量；
生成模块，用于根据所述每条语音的第一特征向量以及预先标注的性别标签训练性别分类器；
第一训练模块，用于根据所述训练集中不同性别的语音数据，分别训练不同性别的DNN模型；
第二训练模块，用于根据不同性别的DNN模型以及所述训练集中不同性别的语音数据，分别训练不同性别的统一背景模型、特征向量提取模型、以及概率线性判别分析模型。
7.如权利要求6所述的装置，其特征在于，还包括：
第一接收模块，用于接收用户发送的携带用户标识的声纹注册请求；
性别标注模块，用于获取用户发送的用于声纹注册的多条语音，提取第一条语音的第一特征信息，应用所述性别分类器获取所述第一特征信息的性别标签；
第一处理模块，用于根据与所述性别标签对应的DNN模型获取每条语音的后验概率；根据与所述性别标签对应的统一背景模型和特征向量提取模型，分别提取每条语音的第二特征向量；
获取模块，用于根据与所述多条语音对应的多个第二特征向量获取所述用户的声纹注册模型；
注册模块，用于将所述用户标识、所述性别标签、所述声纹注册模型的对应关系存储到声纹注册数据库。
8.如权利要求7所述的装置，其特征在于，所述获取模块用于：
获取所述多个第二特征向量的平均特征向量作为所述用户的声纹注册模型。
9.如权利要求7所述的装置，其特征在于，还包括：
第二接收模块，用于接收用户发送的携带用户标识的声纹识别请求；
查询模块，用于查询所述声纹注册数据库获取与所述用户标识对应的性别标签和声纹注册模型；
第二处理模块，用于获取用户发送的用于声纹识别的语音，根据与所述性别标签对应的DNN模型获取所述语音的后验概率，应用与所述性别标签对应的统一背景模型和特征向量提取模型，提取所述语音的第二特征向量；
比较模块，用于应用与所述性别标签对应的概率线性判别分析模型，比较所述语音的第二特征向量和所述声纹注册模型的相似度；
识别模块，用于根据所述相似度和预设的阈值向所述用户返回声纹识别结果。
10.如权利要求9所述的装置，其特征在于，所述识别模块用于：
比较所述相似度和预设的阈值的大小；
若获知所述相似度大于等于预设的阈值，则返回声纹识别成功；
若获知所述相似度小于预设的阈值，则返回声纹识别失败。