连接词语音识别又称连续数字语音识别。由于其实现方便,所需存贮要求低,运行速度快,具有广泛的实用价值,其众多的应用,如电话语音拨号、家电遥控、工业控制等,都给人们带来极大的便利。连接词识别的研究又可以推动大词汇表语音识别的发展,所以多年来许多研究机构都致力于连接词语音识别的研究和算法改进。本文实现了一个基于Gaussian混合模型的连续数字语音识别器。它将隐Markov模型和Gaussian混合密度分布紧密联系,结合动态规划算法对时间序列和Markov状态链进行非线性时间对齐,并运用EM算法对Gaussian混合模型的参数进行重新估计,识别出来的结果与期望结果采用Levenshtein距离进行比较并得出其字误差率。利用该语音识别器对SieTill德语连续数字语料库进行训练和识别,可以达到很高的识别率。同时本文还就大词汇表语音识别系统的语言模型的构建以及评估问题进行深入探讨,详细介绍了线性平滑和Kneser-Ney平滑技术,并用最大似然估计的方法获得其平滑参数。对语言建模的实验采用的是剑桥大学HTK工具、斯坦福研究机构的SRILM工具以及德国RWTH大学的SPRINT工具,并通过对欧洲国会英语版的会议记录脚本的处理,比较多种工具的在语言建模上的差异。