语音对话是人们进行交流的最普遍的方式。当前对对话语音进行分析的需求越来越大,因此,限定领域对话的语音识别研究的重要性也越来越大。　　 限定领域对话语音识别在实用化过程中,面临着两个问题,一是限定领域对话语音识别应用对识别速度要求很高,二是限定领域对话的文本标注语料非常稀缺。　　 针对第一个问题,有研究表明,基于加权有限状态转录机(Weighted FiniteState Transducer,WFST)技术对搜索空间进行静态扩展,可以提高语音识别解码的速度。针对第二个问题,限定领域对话的文本标注语料虽然非常稀缺,但它涉及到的词汇较少,且具有领域相关性。基于WFST技术,根据这些特点构造限定领域对话的语言模型,可以在一定程度上解决数据稀疏的问题。　　 综合以上分析,本文实现了静态扩展搜索网络的语音识别解码器,详细分析了限定领域对话中的领域相关词汇结构特点,基于WFST技术把这些特点引入到对话语言模型建模过程中,并提出了WFST框架下的语言模型训练方法。　　 实验表明,静态扩展搜索网络的语音识别解码器,相比于采用动态扩展搜索网络的Hdecode解码器,在同等错误率下,速度提高了约50％;基于WFST技术引入词类结构信息的语言模型,相比于传统三元文法,对于机票预订对话语音的识别,字错误率有1.0%的下降。