随着深度学习神经网络的兴起,人工智能成为21世纪快捷生活的潮流标志,涉及各个学科领域。作为人工智能的经典代表,语音识别技术实现了人与计算机无障碍交流的愿望,获得了快速发展并已成功应用于很多行业。然而目前语音识别技术的研究大都针对汉语、英语等主流语种;对少数民族语言语音识别的研究只实现了藏语和维语等个别语种;缺少对跨境方言和低资源语种的语音识别研究。因此本文针对汉语的跨境方言、低资源东干语的语音识别展开研究,主要工作和创新点如下:1.建立了东干语陕西方言语料库。追溯东干语的来源,分析东干语的词汇构成和句式特点,从人们日常交往用语,俗语和儿歌中收集整理出4000句东干语文本。该文本包含东干语所有的声母、韵母和声调。基于文本语料,邀请5位东干族大学生在室内环境中录制了相应的语音语料,最终将录好的6小时音频以16k Hz的采样率、16位采样精度保存为单声道的WAV格式文件。2.实现了3种端到端的东干语语音识别模型。论文分别实现了基于Transformer模型、基于LSTM-CTC模型和基于GRU-CTC模型的东干语语音识别模型。实验结果表明,基于Transformer模型的东干语语音识别效果稍优于其他两种,字错率为49.6%。基于LSTM-CTC和GRU-CTC模型的字错率分别为56.2%和51.9%。由于GRU模型结构比LSTM简单,训练复杂度较低,因此基于GRU-CTC模型的东干语识别效果好于LSTM-CTC模型。分析上述实验结果,发现低资源的东干语由于缺乏语料数据,直接用端到端的方法训练端到端的语音识别模型,语音识别效果差。3.针对语料不足引起的端到端模型训练出的东干语语音识别效果差的问题,提出了结合迁移学习策略和端到端模型的东干语语音识别方法。论文设计了3个基于迁移学习的端到端东干语语音识别模型。首先通过汉语和东干语的语言相似性分析,确定利用汉语作为迁移学习的源任务辅助训练模型;然后通过分析神经网络的可迁移性,采用Softmax层迁移和Fine-tuning的迁移方法;最后对实现的3种端到端东干语语音识别模型进行迁移。实验结果表明,采用Fine-tuning迁移方法的识别效果优于Softmax层迁移。而且利用Fine-tuning迁移方法的Transformer模型的性能最好,将东干语语音识别的字错率降低至30.4%。说明迁移学习能有效解决语料数据缺乏的问题,显著提升东干语语音识别的准确率。