语言是人类特有的交流沟通最重要的方式,在社会经济全球化的大背景中,人与人之间的交流越来越频繁和密切。语言的多样性成为了人们交流的一个障碍。于此同时,随着互联网络和多媒体技术的发展,网络中涌现大量的音视频数据,跨越语言障碍成为获取其中的有效信息的一项关键环节。计算机语音处理和识别技术以研究自然语言理解、说话人身份识别等技术为目标,成为模式识别的一个热门领域,在多媒体信息服务和军事安全领域等领域有着重要的作用和意义。目标语种识别主要检测含有目标语种的语音信息,是语音识别的前端处理技术,在语音处理中具有重要作用。目前,目标语种识别技术依然存在系统鲁棒性不佳、短时语音识别率不高、处理速度低等问题,制约了语种识别技术的发展。本文针对语种识别中存在的问题,拟尝试将深度学习方法用于语种识别,以改进语种识别的不足。本文的主要工作有:(1)实现并改进了一种传统HMM目标语种识别方法。本文在13维MFCC特征的基础上,融合带宽、频谱质心、频谱变迁、基因频率方差、静音帧比例、4维的子带能量比、过零率、低频能量比共24维的声学特征作为HMM的输入特征向量训练得到语种模型,使用Viterbi算法解码得到未知语种音频对于两个模型的得分。在直接对比模型得分得到语种类别策略的基础上,增加了非线性映射的归一化方法,识别模型的识别率较直接判决的效果提高了 2%。(2)提出了一种基于DBN的目标语种识别方法。本文将DBN模型应用于目标语种识别系统中,用DBN对输入原始特征提取高层次描述,并在输出层用逻辑回归做分类。实验表明,基于DBN的目标语种识别系统对于短时语种识别有较好的识别效果,相比于HMM系统识别率有较大的提升,同时,多特征融合的方法也可以有效的提高识别率。对于相近语种,DBN系统识别性能表现出一定的局限性。