随着科学技术的进步以及人机交互技术的兴盛,语音识别技术已经成为国内外研究的热门学科。目前国内以现代标准汉语为代表主流语言在语音识别上已经获得了很好的成绩,但对于非主流语言来说,比如少数民族语言藏语,前人也做过一些相关的研究,最终取得的研究结果不理想。因此本文以研究藏语语音识别为目的,重点研究了融合多个特征的藏语语音识别。本文的主要工作和创新如下:1.实现了基于Savitzy-Golay滤波和改进子带能量熵的端点检测算法。设计了与基于谱减法下短时能量结合子带方差的算法、谱减法下子带能熵算法以及改进的基于MFCC余弦值算法三种算法的对比实验。实验结果表明,在不同信噪比的高斯白噪声、Factory噪声以及Pink噪声下,本文算法都优于其他算法,特别是低信噪比下。对于-10d B的高斯白噪声来说,本文算法的检测精度分别比基于谱减法下短时能量结合子带方差算法和谱减法下子带能熵比算法的检测精度提升了12.38%、9.13%。2.实现了基于CNN声学模型的藏语语音识别。采用了200维声谱图特征,利用CNN网络来训练藏语语音语料来建立声学模型,通过对藏语文本语料训练获取3-gram语言模型,按照一定的比例随机分配语料,设计识别交叉验证实验。实验结果表明,三次交叉验证实验得到基于CNN的藏语语音识别词错误率分别为26.90%、27.19%、26.58%,从识别错误率来看,该模型用于藏语语音识别具有一定可靠性。同时完成了模型中是否添加Dropout对识别结果影响的实验,结果表明同一组数据下添加了Dropout的模型识别效果更好,并且识别率提升了1.8%。3.实现了基于CNN的多特征藏语语音识别。采用了FBank、MFCC、声谱图三种特征,介绍了特征融合的方式,设计了不同对比实验:基于FBank特征的识别、基于FBank+MFCC特征的识别、基于FBank+声谱图特征的识别、基于FBank+MFCC+声谱图特征的识别,实现了这四种方案的藏语语音识别,实验结果表明:基于FBank+MFCC+声谱图特征的识别效果最佳,比前三种方案词错误率分别低1.28%、0.87%、0.42%。