目前，中小词表的孤立词识别系统的性能已经可以达到比较令人满意的效果。但是,随着词农的增大,语音识别系统的搜索空问迅速膨胀,导致孤立词识别系统的性能也急剧下滑。因此,基于海量词表的孤立词识别技术仍然有待于进一步的研究。本文将讨论在海蛳词表孤立词识别研究方而所遇到的问题和取得的成果。1、深入研究了基于两级识别的孤立词识别算法,并提出了基于前缀树的编辑距离计算方法。在而对批量的编辑距离计算任务时,基于前缀树的编辑趴离计算方法能够有效的加快编辑距离计算的速度,并且在词表规模增大的时候,该算法的时间消耗增长速度相较于普通的编辑趴离计算方法明显较慢,对词表规模具有相对较好的不敏感性。此外,还探讨了两级识别的孤立词识别算法中第一级识别基元的选择的问题。2、提出了基于候选拥有状态数(Number of States Possessed By Hypotheses)的剪枝算法。根据解码过程中候选所拥有状态数进行剪枝。在传统孤立词识别系统中能够在获得相同识别率的情况下获得36%的速度提升。在连续语音识别系统中,能够在识别字准确率下降0.14%的情况下获得35%的速度提升。3、针对闭集任务,提出了基于语言模型回退概率的剪枝算法。在第一级小基元识别的过程中抛弃那些需要根据语言模型回退概率来计算语言模型得分的候选,有效的加快了第一级小基元识别的速度。4、研究并搭建了基于WFST的识别网络。并将基于WFST的识别网络同传统的基于前缀树的识别网络进行了对比。实验结果表明,采用基于WFST的识别网络能够有效的加快识别速度。