语种识别(Language Identification, LID),是计算机通过分析处理一段语音以判别其属于何种语言的过程。随着信息时代的到来,自动语种识别技术在信息服务和军事安全等领域扮演着重要角色。人们研究自动语种识别已有近40年的时间,然而目前这仍然是一个具有挑战性的研究课题。语音信号的特征提取是进行自动语种识别的基础,语种识别系统的识别率和运算量都直接依赖于所采用的特征提取方法。目前比较成熟的语种识别系统大都采用音段声学特征或音素识别器。声学特征的方法运算量大,训练时间长,并且抗噪声性能较差；在基于音素识别器的方法中,为了训练音素识别器往往需要用人工标记大量的训练语料,系统的移植性差。音节是听觉能感受到的最自然的语音单位,也是读音的基本单位,在语流中相对稳定。本文探索从语流中自动提取伪音节,并将其作为基本单元应用于语种识别的新方法。论文的主要工作包括：(1)为了便于从语流中自动提取伪音节,本文将紧邻的一个辅音段和一个元音段结合在一起构成一个伪音节,并称之为CV音节。然后,设计并实现从语流中自动检测CV音节的算法。在此基础上,从CV音节中提取元、辅音段的音长,元、辅音段的平均Mel倒谱系数(MFCC)、MFCC方差,元、辅音段之间的谱距离,并将其定义为CV音节特征矢量。(2)基于上述CV音节特征矢量,采用高斯混合模型(GMM)和语言模型(LM),构建语种识别系统。(3)以汉语普通话及6种少数民族语音数据为对象进行实验研究,提取CV音节特征矢量,训练GMM模型和语言模型,测试语种识别系统的识别率。实验结果表明：基于GMM模型的系统平均识别率达到了74.3%,引入语言模型后,系统的平均识别率提升为76.0%。这些结果说明了应用伪音节特征进行语种识别具有可行性,在目前常见的基于音段特征的系统中引入伪音节特征,可望明显提高其性能。