自动语音识别技术作为一项核心技术在呼叫中心、医疗服务和移动应用等领域得到了广泛的应用。随着国内外对语音识别技术研究的快速发展,汉语、英语等资源丰富语言的语音识别技术已经达到了很好的识别性能,然而,藏语由于其语料库构建困难和语言本身的特殊性,语音识别技术发展缓慢,提升藏语语音识别系统的性能是当前语音识别技术领域的一个重要研究内容。本文主要研究卷积神经网络在藏语语音识别中的应用,主要工作如下:1.特征提取。将语音信号转化为语谱图,尽可能保留语音信号中的信息,作为深度卷积神经网络的特征输入。2.声学建模。将图像识别中取得良好性能的卷积神经网络引入到藏语语音识别中,从而更好地捕捉语谱图中的局部信息。3.端到端语音识别。将卷积神经网络与联结时序分类方法结合,设计了端到端的藏语语音识别系统。4.分类器结构优化。进一步增加卷积神经网络的层数,使用叠加卷积层的方法,提升网络的特征提取能力。对上述模型在实验室建立的藏语语料库进行对比实验,得出以下结论:1.将语音转化为频谱图作为特征提取方法,可以更好地保留语音信号时域中有利于识别的信息。2.使用卷积神经网络对语谱图进行语音特征提取,提升了藏语语音识别性能。3.端到端的藏语语音识别系统是可行的,并且识别结果优于使用交叉熵作为损失函数的识别模型。4.增加卷积神经网络的层数,并选择合适的激活函数,能进一步提升语音识别性能。5.在卷积层后加入批量归一化处理以及Dropout处理技术,在网络训练中按固定比例对神经元进行“舍弃”,在减少训练时间的同时提升识别性能。