自动语音识别(ASR，Automatic Speech Recognition)是通过机器识别和理解过程，把人类的语音信号转变为相应的文本或命令的技术。语音识别技术是一门综合技术，融合声学、语音学、语义学、信号处理、心理学，经过近60年的发展，已经取得了很大的进展。目前在特定领域已经能够达到应用的程度，但是要实现大词汇量连续语音识别还有很多难点有待攻克，尤其是在说话人无关、高噪音的环境下，识别准确度明显下降。　　 本文主要研究汉语连续语音识别中涉及的关键技术。建立语音识别系统的基本流程，语音信号处理的基本理论，着重研究了端点检测方法、特征提取原理及方法。然后分别从两个角度阐述汉语连续语音识别过程:模式识别角度和基于HTK的软件识别过程。　　 首先，研究了汉语语音的特点。汉语属于东方语系，在字形、发音方式方面与英语等西欧语系差别很大，因此要建立高质量的语音识别系统需要对汉语语音的特点进行深入研究。本文是基于隐马尔科夫模型(HMM)的连续语音识别，特征向量采用美尔倒谱系数(MFCC)，基于上下文相关的三音素HMM，结合汉语特有的声韵母加声调的发音方式等一系列技术，利用隐马尔科夫模型工具箱(HTK)构建了实验平台。设计实验比较了不同高斯混合度(Mix)和不同音素模型下系统的表现性能。实验结果表明，采用上下文相关三音素模型识别精度达到98.00％，识别效果明显。　　 其次，利用HTK工具包，设计实现了汉语连续语音识别模拟系统。本文介绍了HTK软件包架构及提供的模型分析工具，利用其接口应用程序ATK(AnApplication Toolkit for HTK)实现汉语连续识别系统并进行相关测试。