计算机科学的发展使得语音识别技术得到了广泛的发展和应用，但是非特定人语音识别的性能要远远逊于特定人语音识别系统，这主要是由说话人之间的差异造成的。集成了语音识别引擎的计算机辅助语音教学系统，作为一种非特定人语音识别系统，同样也存在着说话人差异造成的缺陷。因此，对包括语音教学系统在内的非特定人语音识别系统，进行说话人归一化和说话人自适应算法的研究是很必要的。本文以汉语语音教学系统应用为目的，研究说话人归一化与说话人自适应，做了以下工作。 基于已有的VTLN算法，本文将VTLN算法中的频率折叠因子搜索范围扩展到0.70≤α≤1.30，实验结果证明经过扩大频率折叠因子搜索范围，语音识别器识别性能有所提高，并且男生说话人和女生说话人的频率折叠因子分布更加趋于合理化。 基于已有的VTLN和MLLR自适应算法，提出了一种将VTLN和MLLR相结合，适用于汉语教学系统的算法，并利用CASIA北方口音语音库对该算法的性能进行检验。实验结果表明，和基线识别率相比，单独的VTLN能够使WER降低10.20％，单独的MLLR能够使WER降低5.30％，VTLN和MLLR相结合使WER降低16.07％。实验结果表明了VTLN和MLLR相结合的算法实现了单独的两种算法性能的叠加。