基于深度神经网络并利用大规模数据集训练的语音识别系统已具有良好的性能。印尼语是一种使用人口数以亿计的语言,由于研究起步较晚,还存在缺乏大规模语音数据等问题,印尼语语音识别研究相对滞后。文本针对印尼语语音特征及其低资源特性,采用深度神经网络模型并结合多任务学习、迁移学习,探索提高语音识别模型性能的方法。论文的主要工作包括:（1）完成印尼语文本正则化;根据印尼语的语音特点,并结合语言专家的建议,选择音素作为建模单元;设计合适的印尼语发音词典,实现词到音素之间的映射。（2）研究基于深度神经网络的印尼语语音识别声学建模方法,设计并实现了基于DNN-HMM（Hidden Markov Model）的印尼语声学模型。考虑到DNN模型具有较高的自由度,选用时延神经网络（Time-Delay Neural Network,TDNN）取代DNN,以提升印尼语语音识别声学模型性能。在此基础上,针对TDNN对模型增加的约束对于长时语音的识别结果较差的问题,提出将时间约束的多头注意力机制与TDNN模型相结合以提升声学模型的性能,并用实验验证结合方式的有效性。（3）针对低资源条件下训练数据规模偏小的问题,采用多任务学习方法,将印尼语作为主任务,英语作为辅助任务,通过两个任务的联合训练,构建多任务的声学模型。根据多任务学习模型结构的特殊性,在联合训练的同时,还需要考虑任务之间的差异性。针对此问题,本文又分别设计了两种建模方式:传统多任务学习模型、含有属性依赖的多任务学习模型,并完成了两种模型的对比实验。此外,对所构建的多任务模型进行了瓶颈特征提取,并将该特征与Fbank+Pitch特征进行特征融合以提高模型的性能。（4）在低资源条件下,为了进一步提升印尼语语音识别的性能,本文利用迁移学习对语音识别系统进行了优化,根据语种之间的相似性,将英语作为源语言,印尼语作为目标语言,并将固定隐层迁移、Fine-Tuning（微调）和分层权重迁移三种迁移方法分别应用于基于深度神经网络的声学模型,并用实验验证各方法的有效性。实验结果表明,DNN-HMM、TDNN-HMM和TDNN-Attention-HMM模型的WER（词错误率）分别为9.24%、7.88%、7.77%;多任务学习方法中含有属性依赖的多任务学习模型的WER为7.69%,将在此模型上提取的瓶颈特征与Fbank+pitch特征进行特征融合后训练的模型WER为7.59%;基于TDNN-Attention-HMM的分层权重迁移模型WER为6.79%。实验结果验证了在低资源条件下本文提出并实现的三种提高印尼语语音识别模型性能的方法可行、有效。