语音识别技术经过30多年的发展，目前的研究已经进入非特定人、大词汇量、连续语音识别的高级阶段。在这个过程中，隐马尔可夫模型(HMM)扮演了重要的角色，当前几乎所有优秀的语音识别系统都是基于HMM的。但是，传统的连续密度隐马尔可夫模型(CDHMM)有状态输出独立的假设，并假定其状态输出概率密度函数为混合高斯分布函数线性加权和。 　　针对这些问题，本文提出了一种新结构的识别模型——CDHMM/MLP混合网络模型，即将传统的HMM和多层感知器(MLP)网相结合，以HMM为基本框架，每个HMM状态对应于一个MLP网，用相继的若干帧特征矢量作为MLP网的输入，利用改进的BP算法，对系统的输出进行预测，从而实现对每个状态的输出概率密度函数的估计，这样识别系统的状态输出概率取决于MLP网对实际语音信号的逼近程度。该方法不仅能有效地在语音识别中引入帧间相关性，而且能克服状态输出概率密度函数为混合高斯分布的束缚，很好地描述了语音信号中存在的非线性特性。本论文为基于基本的HMM和基于混合网络模型这两种不同算法分别建立了非特定人汉语连续数码串语音识别系统，通过对比分析这两个系统的实验结果发现后者的识别效果明显优于前者，充分证实了该方法的有效性。 　　本论文首先介绍了语音识别的发展、现状、方向和应用前景，接着重点介绍了目前应用最广泛的MFCC特征参数的提取过程。其次，从评估问题、训练问题、解码问题三个方面对HMM进行了详细的介绍。再次，对神经网络及其在语音识别中的应用做了介绍，并对本文中选用的MLP网进行了详细的探讨。最后应用这两种不同的模型借助MATLAB平台分别建立了汉语非特定人连续数码串语音识别系统，并对这两个识别系统的实验结果进行了对比、分析，证实了基于混合网络模型的系统识别效果要优于基本模型的，同时对本论文的工作做了总结，对今后进一步的研究做了展望。