孙 杰，王 宏，吾守尔·斯拉木

(1.新疆大学信息科学与工程学院，新疆乌鲁木齐 830046；2.昌吉学院，新疆昌吉 831100)

0 引 言

方言识别亦称方言分类，属于语种识别的范畴。方言作为特定共同语的地方变体，具有“互相通话”功能[1]，在语言学上具有很大的相似性，因此方言识别要比语种识别更具挑战性[2]。

现代维吾尔语划分为3个方言区：中心方言、和田方言与罗布方言。中心方言包括伊犁、乌鲁木齐、吐鲁番、哈密、喀什和塔里木土语；和田方言由和田、墨玉、洛浦、皮山、策勒、于田和民丰七个土语组成；罗布方言主要是现今若羌县境内的罗布人所操土语，由于地理位置闭塞，保留较多古语。目前，关于维吾尔语方言识别的研究较少，仅文献[3]提出了基于长短时记忆神经网络-统一背景空间(Long Short Term Memory-Universal Background Model, LSTM-UBM)的维吾尔语方言识别方法。很多研究者从语言学的角度对维吾尔语方言进行了辨识：依据动词后是否缀接-mix判断南部方言与北部方言[4]；把是否存在元音的唇部和谐作为区别罗布方言和中心方言的标准[5-7]，但是这些都属于“口耳之学”，很难用计算机进行处理。

主流的方言识别技术是建立在高斯通用背景模型(Gaussian Mixture Model-Universal Background Model, GMM-UBM)[8]和联合因子分析技术(Joint Factor Analysis, JFA)[9]上的全变量子空间建模方法(Total Variability, TV)，它用一个低维度(通常是400维或600维)的i-vector矢量表征方言[10]，取得较好识别效果，但是 i-vector对训练和测试方言语音的时长、噪声和信道差异都很敏感，对训练数据的要求较为严苛。随着深度神经网络在说话人识别方面取得的巨大成功，研究者从特征域和模型域分别提出了深度瓶颈特征(Deep Bottleneck Feature,DBF)[11-12]和深度神经网络通用背景[13-14]的方言识别TV模型。……