随着近代计算机技术的飞速发展,孤立词语音识别系统已经取得了较高的识别准确率,非特定人、大词表连续语音识别技术成为当前的研究热点。本论文在国家自然科学基金项目的支持下,进行了语音识别系统声学模型训练方法的研究。声学模型是识别系统的底层模型,也是语音识别系统中最关键的一部分,声学模型的目标是提供一种有效的方法,计算语音的特征矢量序列和每个发音模板之间的距离,好的声学模型能提高系统的识别率。首先,本文首先介绍了语音识别的相关主要技术,以及目前的发展现状,讲述语音识别系统的整体结构。其次,讲述语音识别系统的模型的构成,通常由声学模型和语言模型两部分组成,分别对应于语音到音节概率的计算和音节到字概率的计算。本文主要讨论基于两种声学模型的研究和比较,分别是:隐马尔可夫模型和条件随机域模型。最后利用隐马尔可夫模型和条件随机域模型分别建立声学层模型;在语音识别系统的基础上,进行语音识别训练与识别,并对得到的实验结果进行分析与对比,结果表明,在一定条件下基于随机条件域模型的声学模型也是能取得较好的效果。