本文依托于单位自选项目,以研制多路话音实时处理的语种识别系统为总体目标,根据单位实际业务需求,在对比分析目前主流语种识别技术的基础上,重点研究基于锚模型的GSV-SVM i语种识别系统,同时对该系统后端分类算法进行优化并予以FPGA实现,为该系统能够实时处理多路话音提供可靠保障。本文主要研究工作及贡献如下：1、在分析基于GSV-SVM的语种识别系统关键技术基础上,根据其SVM核函数特殊的表达形式,提出一种与之等价的识别系统。同时将后验概率引入SVM的得分输出,并对SVM两种常用分类策略进行研究,结合实验结果及有关文献结论,选择了快速Pairwise Coupling法作为等价系统的后端分类算法,从而确立了本文语种识别的基线系统；2、提出一种基于Model Pushing的锚模型区分性训练算法。针对引入锚模型的基线系统,该算法通过结合Model Pushing算法思想,构建出更具语种区分性的锚空间,使GSV维数降低并抑制了GSV中说话人信息的干扰,从而使SVM训练时间得以缩短。实验结果证明了锚模型区分性训练算法对提高语种识别系统的有效性；3、结合上述两种改进算法,针对基于Model Pushing的区分性锚模型GSV-SVM语种识别系统的实时处理需求,提出了一种矩阵合并优化算法以降低该系统后端分类器的FPGA实现难度,并从识别性能、精度、资源占用率以及实时处理四个方面对分类器的FPGA实现进行了测试验证。结果表明,经优化后采用FPGA实现的后端分类器能够完成多达826路话音的实时处理,且与基于Visual Studio2010平台的软件识别性能几乎一致,满足了系统多路话音准确识别及实时处理的需求。