该文的研究重点正是从这个基本点出发,以HMM为框架,结合神经网络来提高声学模型的性能.围绕这个目标,该文的研究范围不仅涉及HMM和神经网络的有关理论,而且对于它们在连续语音识别中的结合提出了新的方法.整个论文包含以下内容.第一章是综述;第二章讨论了HMM的基本理论,以及用于语音识别时,应该做的一些修改.在第二章中还讨论了三种不同形式的HMM,对于它们各自的优、缺点给出了结论;第三章中详细描述了他们的基本识别系统.在这个系统中,以VQ、DHMM和One-Pass搜索算法构成一个较为简单的声学识别器,这个基本识别系统是该文中进一步研究的实验平台和基础;第四章中首先深入地分析了神经网络在音素识别中的应用方法,指出了现有技术在训练速度、训练数据量等方面的局限性;第五章在分析基本识别系统的结果的基础上,结合该实验室在孤立词识别中的一些成果,提出了以神经网络作为后处理器的两遍识别策略,并设计了四组实验来验证这种方法的有效性.实验结果说明,这种方法显著地提高了他们的基本识别系统的识别率.