语音识别是一门内涵丰富、应用广泛的技术，在一些应用领域中正迅速成为一个关键的具有竞争力的技术，如用于自动口语翻译，实现跨语言交流。本文以汉语大词表连续语音识别为应用背景，主要研究了基于人工神经网络模型（ANN）与隐马尔可夫模型（HMM）相结合的混合模型。本文详细分析了ANN和HMM的优点与缺点。深入研究了五种主要的ANN/HMM混合模型：早期模拟HMM算法的尝试；用ANN估计HMM的状态后验概率；基于全局最优训练方法的混合模型；ANN作为离散型HMM的矢量量化器；ANN作为HMM的后处理器。本文研究了ANN/HMM混合模型的优势，并提出了一种基于隐马尔可夫模型和人工神经网络混合模型的汉语大词表连续语音识别系统。在混合模型系统中，多种模型协同工作。ANN是状态级模型，负责建模音素发音物理特性；HMM联合语言学模型识别待识语料。这样，混合模型系统能够结合HMM和ANN两种模型的优点：HMM对时间序列结构建模能力强；ANN的非线性预测能力强，建模能力强，鲁棒性，便于硬件实现。最后，考虑到音节发音的发音变化性和神经网络的结构特点，将多路径建模技术引进系统，明显减少了删除错误，增强了系统的建模能力。实验结果表明，HMM/ANN混合模型系统有效结合了两种模型的优点，提高了识别率。