在过去的几年里，以深度学习研究为基础发展起来的深度学习技术对信号和信息处理方面的工作有着越来越广泛的影响，可以说，深度学习已经拓宽为机器学习和人工智能研究的主要方面。本文首先介绍了语音识别基于原理，主要介绍了语音信号的预处理过程，语音信号的MFCC特征和语音识别方法。以人工神经网络在机器学习方面的应用为主线，可以引入深层神经网络和深度学习问题。根据网络结构的作用和训练方法的不同，深层神经网络结构可以大致分为三类：生成深层结构，判别深层结构和混合深层结构。对于深度学习方法，本文主要介绍了BP算法和用RBM实现深度学习的方法。最后，本文利用Kaldi语音识别工具箱，以BP训练算法为理论依据，对一个含有4隐层神经网络进行训练，并利用该网络进行中文语音识别。本文以识别错误率为标准，研究了中文发音音子集对深层神经网络语音识别错误率的影响。