汉语方言辨识是在已知一段语音所属方言区域的前提下,判断未知语音所属方言区域的一项技术,在公安刑侦工作和语音识别技术的推广和应用中有着重要意义,已越来越受到相关领域研究人员的重视。方言辨识系统性能好坏取决于语音信号特征的提取,合理地选择特征参数对方言辨识系统的识别率有很大的提高。因此,本论文围绕汉语方言的语音特征进行了相关研究,主要的研究工作及其成果如下：1.提出了一种Mel频率倒谱系数和滑动差分倒谱系数组合的方言辨识方法。首先为了使滑动差分倒谱系数的性能达到最优,研究了针对普通话、上海话、广东话、闽南话、陕西话、四川话、东北话和长沙话八种方言的滑动差分倒谱的最佳参数组合。然后提取其MFCC和滑动差分倒谱系数两组特征参数作为支持向量机的输入来进行辨识。仿真实验结果表明,基于MFCC和滑动差分倒谱系数组合的方言辨识的识别率高达90%。2.提出了一种S变换和奇异值分解的方言辨识。研究了语音信号的短时傅里叶变换、小波变换和S变换三种时频分析方法,仿真实验结果显示S变换得到的时频分布图具有更高的分辨率。由于时频分布图的维数过高且包含无用值,本文采用了奇异值分解方法对其降维,并用支持向量机进行方言辨识,仿真实验与短时傅里叶变换和小波变换两种时频分析方法的方言识别进行比较,结果表明S变换和奇异值分解的方言识别率高达85%。3.采用了基于线性鉴别分析和GA-LBG码本设计的汉语方言辨识方法。高维的语音信号意味着高的计算复杂度,且包含冗余信息,不利于识别,因此采用线性鉴别分析进行降维,提取更高效的特征。本文首先用线性鉴别分析对普通话、上海话、广东话、闽南话、陕西话、四川话、东北话和长沙话八种方言进行降维,然后采用遗传算法和LBG算法设计矢量量化的码本,最后通过失真测量进行汉语方言辨识。