随着人工智能技术的发展,在未来智能时代,人机交互将如同人与人交互一般。要实现这种交互方式,语音识别技术是机器所必须掌握的技能。因此在人工智能的发展历程中,对语音识别技术的研究显得尤为重要。研究发现,不同的口音往往会导致异常的发音,进而使得语音识别的准确率大大下降。本文研究的英语口音识别是一种使用计算机自动识别英语语音所属国家的语言识别技术。目前,有效的英语口音识别方法是提取语音特征,利用这些特征训练机器学习模型,进行英语口音类别判定。当前,英语口音识别研究多使用传统的声学及韵律特征,而这些特征粒度不够精细或者特征维度过高;在模型构建上,RNN取得了一定的效果,但离应用还有很大的差距。本文针对以上问题展开研究,主要工作如下:(1)提出了一种基于CNN的英语口音识别方法。考虑到表征口音的主要特征往往出现在语音中的某些片段,CNN利用其卷积特性,围绕着这些片段归纳局部信息,最后在高层将这些信息汇总,总结出口音类别。实验表明,该方法可以很好地提取语音中表征口音信息的特征。(2)提出了一种基于CNN-BiRNN的英语口音识别方法。在CNN口音识别方法中,由于卷积的局限性,CNN处理长序列问题的能力尚显不足。考虑到语音是一种具有“流属性”的数据,分类过程不仅要考虑局部特性信息,还需考虑时间序列中各时间点的数据之间的先后次序关系。基于CNN英语口音特征提取方法,再结合BiRNN抓取这些特征间的次序关系,进而达到识别口音类别的目的。实验表明,通过BiRNN对CNN提取的口音特征进行序列数据信息汇总,能很好的区分英语口音类别。(3)提出了一种基于CNN-BiRNN-Attention的英语口音识别方法。在CNNBiRNN口音识别方法中,由于BiRNN汇总序列特征信息时无法区分序列中各个部分的不同重要程度。因此,在本方法中,首先通过CNN提取出表征口音的局部特征,再利用BiRNN对这些特征进行序列编码,而该序列特征的各部分在整个语音序列特征中对判别口音所属类别的贡献不尽相同,因此,利用注意力机制的特性,为这些特征分配不同的关注权重,从而使得这些特征能更好的表征口音。实验表明,注意力机制通过为口音序列特征的各部分分配不同的关注度,能更好的完成英语口音识别任务。