电话作为使用最为普遍的远程语音通信设备,在我们的日常生活中扮演着重要的角色,同时也为我们的生活带来了极大的便利。近些年,随着人工智能相关技术的迅速发展,原本需要大量人力来完成的诸多重复性劳动,比如电话客服所从事的工作,开始受到一定的冲击。在这一次的技术浪潮中,语音识别（Automatic Speech Recognition,ASR）技术起到了至关重要的作用。然而,在电话场景下的语音识别技术也面临着巨大的挑战。因为,面向电话场景的语音识别任务更倾向于自然口语对话,语音的内容更贴近人们的日常说话习惯,这也就导致了个体性的差异。人们的说话内容及其广泛、风格迥异,而如何在有限训练数据的前提下,进一步提高电话场景下语音识别的效果,是仍需解决的问题。本文将围绕电话场景下的语音识别解码器展开研究,主要工作以及创新点如下:首先,本文在语音识别解码器中整合了语音活动检测模块。本次实验中采用了基于延时机制并加入统计信息的深度神经网络（Deep Neural Network,DNN）模型。实验结果表明,本文的语音活动检测模块可以很好地适应电话场景的语音活动检测工作,以较低的功耗和检测错误率很好地取代了基于DNN的语音活动检测方式,在测试集上的检测错误率相对下降了约42.4%。其次,本文探究了词图生成的相关技术。现有解码器中的词图生成算法主要依赖于在语音结束时生成相应的确定化词图,而当待解码的有效语音过长时,词图的确定化（Determinization）工作会产生较高的延迟甚至可能导致严重的内存泄漏。因此,本文考虑在实际解码过程中采取新的词图生成方式:也就是取消词图确定化工作。通过这种方式,最终使得解码的平均延迟减少达到25%,并且保持识别准确率不变。最后,本文研究了神经网络语言模型,并将其应用在语音识别的词图重估过程中。本文尝试对循环神经网络（Recurrent Neural Network,RNN）的结构做出一定调整,从而使得RNNLM更适合运用在电话场景的语音识别任务中。由实验结果可知,改进后的RNNLM能够很好的应用于电话场景下的词图重估任务中,在测试集上的平均字错误率相对下降达到3.2%。