语音识别是当今人机交互的重要手段之一,它在音频转录、语音通话、命令词识别等方面有着广泛的应用。家电命令词识别正随着万物互联的新风走进千家万户,但是死板的固定格式的智能家电命令词严重影响了用户的使用体验。因此,更贴近生活的家电命令词意图理解的技术研究有非常大的实用意义。本文对家电命令词意图理解技术进行深入的研究,提出了语音识别和意图识别两个模块化模型结合的方法:在语音识别模块方面,研究设计开发了基于Mo Ch ALDT的端到端语音识别模型,在VAD后采用梅尔滤波器组输出及其差分系数特征作为识别系统的输入特征,利用四层的轻量化的VGG网络对特征进行了提取和压缩。研究在统计了超过1300小时语料库音频能量分布后,经过时长权重加权计算,提出了能量补偿的方法,将音频能量分布标准化后能够更有效的提高语音识别模型的鲁棒性。论文详细分析了Mo Ch ALDT的端到端语音识别模型构建方法,其中为了减少注意力机制的计算量并提高计算速度,研究设计了轻量化动态卷积门替代Transformer基线模型中自注意力机制,利用动态通道共享卷积的方式实现多头注意力效果。同时使用了基于单调块注意力机制的编—解码器替代了基线模型的编—解码器,将计算复杂度从O（~2）降低至O（max（,））,在有效提高模型计算效率的同时还提高了模型的可解释性。研究对基线模型同Mo Ch ALDT的效果进行了对比,实验证明Mo Ch ALDT在训练时的收敛速度,测试时的识别准确率都有明显的提升。为了配合意图识别模块,研究还对不同类型token对语音识别模型效果的影响进行了研究,最终分析确定使用中文注音作为输出token的类型。在意图识别模块方面,研究分析了目前家电命令词识别模型,设计开发了基于双向门控制单元网络的三头注意力网络。使用共享的双向门控制单元网络提取语音识别模型输出token中潜在的信息,利用三头注意力机制对语用环境下家电命令词意图的三个部分进行识别。本文详细介绍了意图识别模型所采用的对抗训练和多任务学习的训练方法,有效的提高了意图模型的稳定性。为了使模型能够在实现语用环境中使用,研究收集,整理,构建了开源数据集固定格式家电命令词语料库,私有数据集固定格式家电命令词语料库并设计开发了日常语用环境家电命令词语料库。根据置信度算法确定意图识别输出置信度阈值,在保证高效识别的同时有效的降低了模型错误率和错误成本。经实验测试验证,模块化的家电命令词意图理解系统的研究实现了固定格式家电命令词92%的识别率,在日常语用环境家电命令词85%的识别率的效果。