本文围绕多语种识别,从语音特征和系统模型两方面进行学习研究。论文针对时长不足1s的短语音、易混淆和开集语种识别性能不佳问题,以辨识因子分析（Identify-Vector,I-VECTOR）模型为背景,通过实验对比不同语音特征在上述三个测试任务中的表现。实验表明:瓶颈层特征（Bottleneck Feature,BNF）在上述三个测试任务中超越移位差分倒谱特征（Shifted Delta Cepstral,SDC）、移位差分-音素对数似然比特征（Shifted Delta-Phone Log Likelyhood Ratio,SD-PLLR）、全子带包络特征（Sub-band Envelope Features）取得了最好的识别结果。为提升识别结果,论文对上述BNF-I-VECTOR系统提出一些优化方案。首先在系统前端提出降噪处理和变速均衡数据方法;接着在系统后端部分使用机器学习分类模型如:极端梯度提升（Extreme Gradient Boosting,XGBoost）、随机森林（Random Forest,RF）、支持向量机（Support Vecotr Machine,SVM）取代传统的概率线性判别分析（Probablistic Linear Discriminate Analysis,PLDA）、余弦距离分类（Cosine Distance Scoring,CDS）模型,组合上述优化方案,通过实验结果提出适用于不同测试任务的最佳改进系统。针对短语音语种识别模型进行研究,对比I-VECTOR、基于音素统计信息的音素识别器结合语言（Phone Recognition Followed By Language Model,PRLM）、并行音素识别器结合语言模型（Parallel Phone Recognition followed by Language Model,PPRLM）、时延神经网络模型（Time Delay Neural Network,TDNN）、基于TDNN网络结构的X-VECTOR、双向长短时记忆（Bi-directional Long Short-term Memory Networks,BLSTM）神经网络模型对短语音的识别结果。实验表明:极短语段语种识别中,上述几种模型中I-VECTOR模型识别结果最优。为进一步提升短语音语种识别的结果,对基于TDNN残差模块的Speaker ResNet网络进行学习,并提出融合了降噪、TSM算法、多头注意（multihead-attention）、可学习字典编码层（Learnable Dictionary Encoding,LDE）方法的Speaker ResNet改进系统。该改进系统超越基线Speaker ResNet网络在时长不足3s的短语音上取得较好的识别结果。