本文针对电话信道多语言环境下的语音识别和语音搜索的技术难题,进行了广泛而深入的研究,主要内容包括:　　 首先,在跨语种通用声学建模方面,本文对基于子空间高斯混合模型的多语言统一声学建模方法进行了研究。相比传统基于通用音子集的高斯混合模型,子空间模型的主要优点体现为:不再独立地估计每个高斯分量的均值向量、协方差矩阵和权重参数,而是引入子空间参数和状态向量参数显式地对高斯分量间的共性与差异进行建模。跨语种跨状态共享参数的规模在整个模型中所占比重很大,而各个语种特有的发音单元仅用相对低维的向量就可以描述,因此极大地压缩了参数空间。由于子空间模型结构紧凑,不需要对多个语种的音子集进行合并也能够鲁棒地估计通用模型参数,同时还可以避免由于合并不同语种音子而引起识别解码时的竞争与混淆,有利于提高识别精度。除此之外,跨语种通用的子空间模型相比传统模型更容易向新的目标语言扩展。　　 其次,在缺乏目标语种训练资源的极端情况下,本文研究了基于通用音子后验图的语种无关语音搜索方法。所谓语种无关是指在一定条件下,本文所讨论的语音搜索方法可以不依赖目标语种的训练资源。具体实现是在覆盖多种语言的通用音子集上训练跨语种通用的神经网络音子分类器,用音子后验概率向量描述一帧语音特征。考虑到在缺少目标语种训练资源的情况下,关键词难以表示为文本符号,因此本文采用语音样本作为查询关键词的输入形式。测试语音片段和关键词语音样本都被表示为通用音子后验向量的时间序列,即通用音子后验图;应用改进的动态时间规整算法对测试语音片段和关键词语音样本的通用音子后验图进行匹配,实现语种无关的语音搜索任务。　　 再次,为获取高质量的声学模型,通常需要积累数百甚至上千小时量级的语音数据及其对应的文字内容脚本。在搜集整理训练数据的过程中,对语音数据进行人工听音标注的环节最为费时费力。因此,本文对无监督声学模型训练方法进行了研究。无监督训练方法首先利用少量人工标注语音数据训练一个种子模型,然后用种子模型对大量无标注的语音数据进行解码识别,从而自动地对语音数据进行识别与标注,生成语音训练集。通过置信度对识别结果进行挑选,并将挑出的自动标注数据加入人工标注训练集,重新估计模型参数。上述无监督声学模型训练过程可以自动并迭代地进行,从而增量式地提升模型精度。　　 最后,为了提高语音搜索系统的准确率,本文研究了基于多种置信度融合的搜索结果可靠性评价方法。本文重点讨论了基于词图后验概率、基于纯声学后验概率和基于发音时长分布相似度这三种置信度评价方法,并通过进一步的分析与实验证明:三种置信度间运用不同来源的信息衡量搜索结果的可靠程度,存在较强互补性,融合上述三种置信度能够显著地提升检索系统的准确率。