语音识别技术的发展已经有50多年的历史,并达到了相当高的水平。在国内,汉语语音识别也得到了充分了研究,已走出实验室达到实用化的阶段。但少数民族语言的语音识别还处于起步阶段,近年来,少数民语音语言文字研究正逐步成为新的热点。新疆是民族地区,少数民族语言文字有着广泛的应用,也是新疆信息产业中的一大特色,研究少数民族语言、语音、文字处理具有重要意义。　　 本文为维吾尔语连续语音识别研究。以提高语音识别率为目标,构建了基于HMM的维吾尔语连续语音识别实验平台,对语音特征提取、声学模型、发音模型及语言模型等方面进行深入探讨。首先,针对特征提取,系统采用梅尔倒谱系数(MFCC),为了消除信道对语音信号的干扰,使用倒谱均值相减法对特征进行补偿,利用异方差线性鉴别分析对MFCC声学特征进行变换和降维,选取更具区分性的特征,以提高语音识别的性能,并对不同的MFCC特征对识别率贡献率作了比较。针对声学模型,我们探讨单音素,词内三音素以及状态共享技术、高斯混合模型的使用,并对维吾尔语的建模单元、音素子类别集进行了精心的设计和优化。最后,对于语言模型,利用Kneser-Ney算法进行平滑,抽取题材相近的文本语料进行语言模型的训练,以达到较高的识别率。本文采用基于电话信道的维吾尔语自然发音语音语料作为实验数据,在HTK3.4平台下进行实现和研究,并有一些初步的结论和发现。