目前，语音识别研究进入连续语音识别的高级阶段，而大词汇量连续语音识别系统精确度不高，得到高识别率的语音识别结果的方法是用统计模型技术。本文用统计模型的方法设计语音识别的声学分析，研究了基于HMM模型的维吾尔语连续数字语音识别的语音库建立、声学模型建立和语言模型建立等关键技术，并利用HTK(HMM ToolKit)工具实现了维吾尔语连续数字语音识别系统。本文的具体工作如下：(1)建立了一个适合于维吾尔语连续数字识别的小型语音语料库。按照语音语料库评价规范建立了相关语音库和文本库信息。(2)利用HTK工具建立了维吾尔语连续数字语音声学模型(隐马尔可夫模型)，并对模型进行了改进和优化。引入了上下文相关的三音素模型，解决了维吾尔语的音联和协同发音问题。使用了中间树、三音子绑定、修补哑音、高斯混合分量的增加等算法，不断地调整系统模板参数，使HMM模型参数向最佳状态逼近。(3)建立了基于规则的语言模型，使语法、语义知识和语音识别过程有效的结合。用广度优先算法搜索词节点网络，在识别率相似或相近的情况下，用语言模型排除掉不符合语义结构的可能句子，提高了识别率和减少搜索范围，这也是本文的主要创新之处。(4)用Visual C++的进行二次开发，修改语音识别器，使其可以脱离CMD命令的方式而独立运行，改单线程为多线程，增加对内存的管理，生成人机对话的应用程序。(5)最后使用编译好的语音识别器，进行了实验。实验分三种：不同识别基元、增加高斯混合分量的数目、建立上下文相关和无关的语言模型对系统识别率影响的比较。通过实验结果分析、验证了系统提出的单音素和三音素建模技术，和上下文相关的语言模型的组织框架的可实施性。系统对维吾尔语连续数字短语识别率达到80.00％，词识别率达到91.19％。