语音识别技术就是让机器通过识别把语音信号转变成相应的文本的技术。它主要包括特征提取、模式匹配和模型训练三个方面。现阶段汉语和英语等应用比较广的语言的语音识别技术己经相当成熟,但是藏语等少数民族语言的语音识别应用还很少。本文的目的就是研究语言模型在藏语连续语言识别系统中的应用。语音识别主要包括声学和语言模型,相对于比较成熟的声学模型研究来讲,语言模型有着更广阔的发展前景。实验表明,语言模型的研究改进对于语音识别系统的识别率有着很大的提升。该论文结合藏语拉萨话的特点,提出了新的文本预料的筛选方案。利用HTK工具对语料进行处理,生成词典,生成语言模型。由于稀疏数据的问题,统计语言模型的平滑算法直接影响到语音识别系统的性能。本文详细的分析比较了加法平滑算法、回退平滑算法、线性插值平滑算法和非线性折扣平滑算法。经过比较各种算法的困惑度和语音识别系统的识别率,最终选定修正版的Kneser-Ney平滑算法应用到基于HTK的藏语连续语音识别系统中。研究中用到的语料是西北民族大学中国民族信息技术研究院录制的30万句藏语拉萨话新闻语料,通过训练生成三元统计语言模型。实验结果表明,在各种平滑算法中,修正版的Kneser-Ney平滑算法的困惑度最小,应用此平滑算法的藏语连续语音识别系统的句子识别率从原来的67.83%提高到78.98%,词的识别率由原来的91.34%提高到94.78%。