语音识别是模式识别领域中重要的研究分支,其目的是将人类语音信息转换为文本信息。在汉语和英语语音识别中,相比于传统的高斯混合模型-隐马尔科夫模型,深度神经网络的识别性能实现了质的飞跃。但目前有关藏语语音识别的研究较少,特别是藏语属于低资源语言且存在浊辅音趋于清化、元音有长短区别、单元音增多等特点,使得藏语的语音识别仍面临诸多挑战。在藏语的卫藏、康巴与安多三大方言中,针对卫藏方言的语音识别研究相对较多,有关安多方言与康巴方言的研究相对较少,特别是深度神经网络在安多藏语语音识别中的应用尚未深入研究。因此,本文从安多藏语声学模型结构出发,探讨了端对端双向长短时记忆网络在安多藏语语音识别中的应用。本文研究内容如下:1)语料库建立。收集了安多藏语中出现频率最高的1278个单音节词汇,对每个词汇采集藏语安多方言的语音样本,采样频率为16KHZ、量化精度为16bit且通过Cool Edit Pro软件在噪声不高于50dB的室内录制。2)预处理。对藏语安多方言语音信号进行预加重、分帧、加窗、预处理操作,消除由于人类本身发声器官和语音信号采集设备所带来的混叠、高次谐波失真、高频等因素对语音信号质量的影响。预处理操作使语音信号更均匀、平滑,确保在特征提取阶段提取更优质的参数,从而提高语音识别性能。3)特征提取。在安多藏语语音识别任务中,考虑藏语发音的特点,探讨了不同特征提取方法对系统性能的影响。本文分别采用传统梅尔频率倒谱系数和卷积神经网络两种方式提取特征。实验结果表明,应用卷积神经网络提取的特征效果优于梅尔频率倒谱系数特征。4)声学建模。双向长短期网络适合处理序列问题,链接时序分类技术不需要预先对数据进行标注、对齐处理以及后处理操作。因此将链接时序分类技术与双向长短时记忆网络相结合,实现了端对端的安多藏语声学建模。实验证明,基于双向长短时记忆网络端对端的安多藏语声学模型获得了较好的性能。