相对于汉语和英语等大语种语音识别,藏语语音识别研究始于2005年,起步较晚,且不同语种间存在差异,采用新技术以提升藏语语音识别系统性能,将成为藏语语音识别研究领域亟待解决的问题。针对藏语单音节识别系统,本研究主要进行了以下工作:1.特征提取。以梅尔频率倒谱系数作为输入的卷积神经网络可同时获取时序信息和空间位置信息。实验中提取了两类特征,即静态与动态的梅尔频率倒谱系数。2.稀疏编码。为了尽可能地消除特征间的相关性,减少与分类无关的信息,使用稀疏编码获取两种梅尔频率倒谱系数的稀疏表示。稀疏编码采用K-SVD算法。3.分类器设计。以多维矩阵作为输入的卷积神经网络可保持输入数据维数不变。为了捕捉空间位置特征,选择卷积神经网络作为分类器。4.基于稀疏编码的藏语语音识别系统。该系统将稀疏表示后的梅尔频率倒谱系数输入卷积神经网络用以识别藏语单音节语音。本研究将稀疏编码与卷积神经网络两种技术相结合,以改善语音识别系统性能。通过实验得出以下结论:1.相对于深度神经网络,卷积神经网络更适合处理高维数据;2.动态梅尔频率倒谱系数和稀疏编码可提升藏语语音识别系统性能;3.本系统可用于藏语语音识别任务。本研究主要贡献是将稀疏编码与卷积神经网络相结合构成基于稀疏编码的藏语语音识别系统以进行藏语语音识别。