声学模型作为语音识别系统的核心模块,随着深度学习的发展,大量深度模型被应用到声学模型中,极大的提升了语音识别性能。其中,循环神经网络由于能够对语音的时序信息进行动态建模,更加适用于语音识别的声学建模。因此,基于循环神经网络的语音识别声学建模研究已经成为当下的热门话题。本文首先介绍了语音识别的基本原理,其次分析了各种循环神经网络的结构以及网络的优化算法,然后就如何改进循环神经网络结构和提高系统的识别率进行了深入研究,主要工作如下:1.研究了基于循环神经网络的端到端声学建模方法。为了提高轻门控循环单元(Light Gated Recurrent Unit,Li-GRU)的网络收敛速度,提出了一种改进的模型(Light Self Gated Recurrent Unit,Li-SGRU),该模型使用Swish激活函数替换ReLU激活函数;其次,为了提高网络训练效率,在Li-SGRU基础上提出了四种变体Li-SGRU1、Li-SGRU2、Li-SGRU3、Li-SGRU4。并且,结合连接时序分类技术验证了上述模型用于端到端建模的有效性,实验结果表明,Li-SGRU不仅收敛速度快,而且识别率也优于Li-GRU;同时,Li-SGRU1的音素错误率相对Li-SGRU有3.1%的降低,并且训练时间也相对减少了12.9%。2.研究了基于循环神经网络的HMM混合声学建模方法。为了提高系统的语音识别性能,研究了基于RNN-HMM的声学模型结构、训练算法,分析了三种特征(MFCC、FBANK、fMLLR)下的五种循环神经网络结构(LSTM、GRU、Li-GRU、LiSGRU、Li-SGRU1)用于HMM建模的有效性,并在Kaldi和PyTorch-Kaldi开源工具上实现了上述模型的建模。实验结果表明,基于fMLLR特征的Li-SGRU1具有更好的识别效果,并且训练效率也更高。