随着语音识别技术的不断发展，语种识别作为语音识别的一个方面和它具有的重要意义，也越来越受到人们的广泛重视。语种识别就是用计算机来自动识别一段发音所属语种的一项技术，它是在语音识别基础上发展起来的。从上个世纪七十年代到现在，语种识别虽然只经历了短短几十年的发展，但识别方法已有多种。这些方法虽然各有特点，但比较成熟的方法还不是很多。目前，我国对语种识别的研究较少，尚处于起步阶段。 语种识别强调在与文本无关和与说话人无关的条件下进行，因而语种识别需要尽量消除语音信号中个体发音的差异，并且尽量找到不同语种的语音间不同的声学特征，从而达到更好的识别效果。 本文首先从语种语音特征方面进行分析，找出不同语种之间的差异，提取语种语音特征参数，特征参数以矢量形式表现。 然后提出利用加权的K近邻法对训练矢量进行野点排除。对于每两个语种间的每个训练矢量，分别找出与其欧氏距离最小的前K个矢量，判断其类标与它的K近邻中多数类标的符号是否一致。在K近邻的特征矢量中各个矢量对于判断是否剔除对象特征的贡献不同。最近邻的贡献为最大，第K近邻的特征的贡献为最小，可以分配不同的权值给K近邻矢量。对K近邻矢量符号加权求和后，判断是否与对象矢量符号相同，若相同则保留，否则该对象矢量属于异类将该特征矢量删除。最后利用剔除完野点的训练矢量来训练one-against-one支持向量机(SVM)，利用one-against-one支持向量机对测试矢量集进行分类投票，获得投票数最多的语种被判定为未知语音的语种。 实验结果表明，在较小规模训练矢量集下，KNN-SVM的平均识别率为78.66％，SVM的平均识别率为76.15％。在相同训练矢量个数下，KNN-SVM的支持向量个数要低于SVM，导致所需分类时间也低于SVM。KNN-SVM的性能要优于SVM。