语音作为人机交互的最重要的手段和研究形势之一,随着科学技术的发展,自动语音识别(Automatic Speech Recognition,ASR)已经应用于日常生活之中。但目前山西朔州的语音识别系统大多为普通话识别,各地方言用户只有以近似标准的普通话发音才能得到较好的识别结果。加之方言语音语料数据采集成本高,仅有少量的资源可用于研究。在低资源条件下的语音识别相关系统识别率低。所以为满足大众的交互需求和实现高识别率,针对山西朔州方言的研究与应用就显得十分必要。在此背景下,本文一方面对现有的模型进进行对比,另一方面对低资源数据进行整理,从而提高山西朔州方言的语音识别系统识别率。首先,本文对语音识别的发展史和基本原理进行了简要的介绍,随后对语音识别从模拟信号的处理到声学模型的构建以及识别等每一项关键技术进行了阐述。之后,对声学模型和语言模型进行着重研究,包括:高斯混合模型和隐马尔可夫模型(GMM-HMM)、基于深度学习的神经网络模型(DNN-HMM)以及N-gram等模型。最后,本文对山西朔州方言的语言特征、低资源和小区域进行了分析研究,对各个模型下山西朔州方言的识别进行了对比实验。本文共搭建了四组不同的对照实验,比较了不同的模型和数据量对识别性能的影响结果。在山西朔州方言研究中,首先对低资源数据和小区域中的方言地区,使用传统的高斯混合模型和隐马尔可夫模型(GMM-HMM)和基于深度学习的神经网络模型(DNNHMM)两种模型来研究低资源和小区域对语音识别性能的影响;其次,通过加大数据量,查看通过加大数据量,对小区域识别提升的影响;再次,研究基于深度学习的神经网络模型(DNN-HMM)加入共享隐藏层,对提高数据量和识别性能的提升;最后研究基于DNN的声学模型,提出不同的激活函数对语音识别效果的影响。实验表明,在四组不同的实验中,GMM-HMM声学模型在小区域和低资源数据量的情况下,识别率较高,达到了90.32%,随着数据量的加大,基于DNN-HMM声学模型的准确率逐渐提升,达到92.61%,表明数据量越多,识别越准确。共享层确实起到了增大数据量的作用。