摘要：为了充分利用语音信号中的段长信息，该文提出了一种具有一般拓扑结构的非齐次隐含Markov模型（Hidden Markov Model，HMM），并将其应用于中、英文语种辨识（Language IDentification，LID）系统。非齐次HMM既很好地描述了语音信号的发生过程，又准确地利用了状态的段长信息和语言中的上下文连接结构信息，对于中、英文语种辨识系统，非齐次的HMM系统辨识性能好于齐次的HMM模型。而在非齐次的HMM中，同段长为均匀分布相比，段长分布为正态分布时系统的辨识性能更好，表明段长确实是一种重要的语种区分信息之一，且正态分布较均匀分布更接近于真实的段长分布。

关键词：语种辨识 非齐次隐含markov模型 段长分布 

单位：清华大学电子工程系; 北京100084