语音识别技术已经取得令人鼓舞的成就。但是，大多数语音识别系统仍局限于实验室中应用，远没有达到实用化要求。制约实用化的根本原因可以归为两类，识别精度和系统复杂度。本文就是从这两方面深入研究汉语语音识别实用化面临的理论和技术问题，并用大量的实验进行证明。 1.从通信理论的观点分析了汉语语言系统的信源特性，首次从信息论的角度提出了汉语的根本特点：它拥有非常庞大的基本符号集，每个信源符号所携带的主观信息量可以非常大，而由于上下文相关性其信源熵却并不高。 2.提出一种矢量压缩编码新方法—矢量线上投影法，它将输入矢量用它在某条空间直线上的投影近似表示。理论分析和实验结果表明：码书大小为N的线上投影法的编码精度与码书大小为N~2的矢量量化法相当，并且明显优于用两个大小为N的码书构成的两级矢量量化法，而其码书生成和编码的计算复杂度远低于后者。 3.提出了基于训练数据的加性噪声和Lombard及Loud效应的联合补偿法。对于加性噪声是从谱减法的逆向角度对训练数据在频谱域进行谱加；对于Lombard和Loud语音，则采用基于隐马尔可夫模型（HMM）状态标注的训练数据补偿。这种联合补偿使识别系统在强噪声环境下具有很高的鲁棒性，并且不影响识别系统在正常环境或正常发音时的识别性能，不增加识别时的运算复杂度。 4.提出了基于隐马尔可夫模型的语音识别系统中状态和状态驻留相关的声学置信量度准则。这些拒识准则不仅能很好地拒识词表外语音（OOV或非关键词），而且能在较低拒识率的情况下有效地提高系统的识别率。另外，并根据汉语语音的特殊结构提出了一种基于部分拒识原则的快速搜索算法，既保持了N—Best算法的高识别率，又大大地减小了搜索空间，提高了识别系统的实时性能。 5.提出一种利用同一个句子内最有效预测词对信息的扩展二元文法模型，有效地描述了汉语词语组合中的长距离位移现象。并且提出了最小复杂度准则的有效词对发现算法，克服了互信息准则忽略了各种语言预测单元信息覆盖的缺点。另外，提出一种利用声学匹配提供的汉语分词信息来改进汉语统计语言模型的新方法。