语音识别是机器通过识别和理解过程把人类的语音信号转变为相应的文本或命令的技术。作为人工智能领域一个重要的研究课题,它的发展将会对未来的人机交互界面带来极大的影响。在语音识别的研究中,非特定人、大词汇量、连续语音识别是最困难,最具挑战性的一个课题。蒙古语是世界范围内有影响的语言,对蒙古语进行语音识别的研究必将促进蒙古文信息处理的发展,具有重要的实际意义。“在给定的某个语音输入下哪个句子是最可能的句子?”,这个问题通常可以转化为计算每个句子的两个概率的乘积问题。这两个乘积项分别是语言模型和声学模型。语言模型给出任意词序列在文本中出现的概率,它可以约束搜索空间,提高裁剪准确性,从而达到降低误识率的作用。声学模型描述某种词序列下产生声学序列的概率,不仅是识别系统的底层模型,而且是语音识别系统中最关键的一部分。为了达到提高声学模型性能的目标,一种途径是精心设计语音数据库的脚本和不断增加语音样本,使语音库尽可能覆盖所有可能的声学和语言现象。另一种途径是研究更好的建模技术,如分类建模和语境相关建模,提高模型的准确性,本文主要研究这方面的内容。