1. 研究目的与意义
语言种类识别是指通过语音来自动识别说话人的过程，是根据人的声音来识别说话人的一种生物认证技术，其以独特的方便性、经济性和准确性等优势受到世人瞩目，它在现代许多领域内有良好的应用前景。
此次设计就是研究基于模糊矢量量化模型(FVQ)算法的语言种类识别的方法。
包括语音信号的采集、预处理、建模、提取特征参量，以及模型的优化，最后进行语言种类识别。
2. 课题关键问题和重难点
本课题主要是对说话人语言种类进行检测，将检测结果报告出来。
具体工作内容安排如下： 语言数据的分类及前期特征提取。
语言相关语料的收集；语言相关语料的分类；语言相关语料的标注；根据标注语料对语言语料进行语音激活检测；对语料进行预加重、分帧及加窗处理；将每一帧数据进行相关特征提取；提取每一帧的能量作为特征参数；对数据进行特征选取；对相关特征进行组合。
3. 国内外研究现状（文献综述）
模糊矢量量化采用模糊 均值聚类算法来实现矢量量化，通过隶属度函数引入不确定性思想，实现对硬聚类算法的有效扩展，在同样码本尺寸的情况下，通过模糊 均值聚类分析可以减少码本的量化误差，在实际应用中取得过较好的效果[8]。
首先定义模糊 均值聚类算法目标函数为如下（2）式所示：（2）其中 为某一观察矢量序列； 为各聚类中心组成的码本； 为一个模糊 均值隶属度函数集， 是第 个聚类中心即第 个码字的隶属度函数，它满足 ； 代表模糊度；d 表示距离。
根据目标函数的模糊 均值聚类算式如下（3）式所示：模糊 均值算法具有较好的收敛性[12]。
4. 研究方案
本课题将会研究模糊矢量量化模型在语言种类语音中的识别效果，并对这个模型进行分析，讨论其在语言种类检测中的优缺点，并以此来写文章。
对于采集的语料数据必须严格分析，特征筛选。
严谨选择模糊矢量量化参数选择，并积极对照结果进行比对。
5. 工作计划
第一周：查找文献资料，对基于模糊矢量量化(FVQ)模型算法的语言种类识别技术有个大体的了解；第二周：对课题中涉及的知识作深入掌握，掌握参数分析方法、基于模糊矢量量化(FVQ)模型算法的语言种类识别技术等；第三周：制定研究计划，写开题报告；第四周：学习程序语言以及编程方法；第五周：练习编程；第六周：实现参数分析方法软件部分；第七周：实现基于模糊矢量量化(FVQ)模型法的语言种类识别软件部分；第八周：实现基于模糊矢量量化(FVQ)模型算法的语言种类识别方法软件部分；第九周：实现系统软件联调的主要功能；第十周：实现软件的可视化界面；第十一周：程序修改和完善，结果分析；第十二周：写论文以及准备答辩；第十三周：写论文以及准备答辩；第十四周：验收程序，进行毕业设计答辩；
