چکیده: ترکیب طبقه بندها استفاده‌شده است. برای انجام آزمایش‌های مختلف،داده های این پایان نامه یک سیگنال گفتار علاوه بر متن گفته‌ شده حاوی اطلاعات زیادی از جمله سن و جنسیت احساسات و استرس، لهجه و گویش و سلامتی گوینده می باشد. یکی از مواردی که ممکن است باعث کاهش بازدهی یک سیستم تشخیص گفتار گردد تغییر لهجه آن است. به طوری که اگر یک سیستم با یک لهجه خاص آموزش دیده باشد و سپس با لهجه ای غیر از لهجه ای که با آن آموزش دیده است آزمایش شود، شاهد کاهش نسبتاً زیادی در بازدهی سیستم تشخیص گفتار خواهیم بود. با روشن شدن اهمیت مسئله تشخیص لهجه ها، اهمیت تدوین این پایان نامه نیز روشن می‌شود. در این تحقیق تعدادی ویژگی جدید مانند فرکانس مرکزی طیفی و دامنه مرکزی طیفی جهت یک سیستم تشخیص لهجه زبان فارسی پیشنهاد شده اند تا در کنار سایر ویژگی هایی که در تحقیقات گذشته استفاده‌شده‌اند از سیگنال گفتار لهجه دار استخراج شده و موجب افزایش کارآیی این سیستم گردند. علاوه بر این تعدادی ویژگی مقاوم به نویز به منظور تشخیص لهجه ها در محیط نویزی نیز معرفی گردیده اند. در مرحله طبقه بندی علاوه بر طبقه بندهای متداول از شبکه توابع بنیادی شعاعی نیز استفاده‌شده است و یک پیشنهاد به منظور بهبود عملکرد طبقه بند ماشین بردار پشتیبان ارائه گردیده است. به عنوان آخرین روش پیشنهادی در مرحله طبقه بندی از روش از پایگاه داده FARSDAT انتخاب‌شده‌اند. نتایج آزمایش ها، نشان‌دهنده بهبود عملکرد سیستم تشخیص لهجه های زبان فارسی در اغلب روش های پیشنهادی است.