语音识别是模式识别领域的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。语音识别是一门涉及面很广的交叉学科,它与语音学、语言学、人工智能、数字信号处理和模式识别等学科有非常密切的关系。蒙古语是黏着性语言,它是内蒙古自治区的主体民族语言。蒙古语语音识别的研究尚处于初级阶段,识别率低、鲁棒性差一直是蒙古语语音识别技术要突破的难题。本文结合蒙古语的自身特点,对蒙古文连续语音识别系统的声学模型和语言模型做了进一步的改进和优化。本文对蒙古语语音识别系统建立了上下文相关模型,然后分别用自底向上的合并法和自顶向下的决策树分裂法进行了参数捆绑,比较了识别效果。其次,建立了蒙古语语音识别系统的CHMM混合高斯模型和多数据流SCHMM模型,比较了模型性能。最后,建立了三元文法语言模型,并且对常用的几种语言模型的平滑算法进行了实验比较。在此基础上,我们通过隐马尔可夫模型工具HTK和CMU_Cam_Toolkit工具,采用上下文相关模型和决策树策略、多数据流SCHM、三元文法语言模型,对测试集做了大量的实验,句子的识别率达到了74.78%,词的识别率达到了96.96%,系统性能得到了优化,系统识别正确率也得到了明显的提高。