近些年来,随着计算机技术的快速发展,神经网络也迎来了新一轮的热潮,基于神经网络的混合结构模型及声学特征提取方面都取得了骄人的成就。自从2011年微软研究院首次利用深度神经网络(Deep Neural Network,DNN)在大规模的语音识别实验上获得的效果显著提升,从此神经网络在语音识别领域逐渐受到越来越多社会各界的关注。语音识别技术的目的本质上是让机器能听懂人说的话,伴随快速发展的计算机技术水平,日常生活中人们对语音识别产品的期望是越来越高。首先,本文从整体上介绍了下语音识别技术,紧接着详细探讨了特征参数在语音识别中是如何提取,进而针对传统的静态特征参数(LPCC、MFCC)与动态特征参数((35)LPCC、(35)MFCC)进行了相应的讨论,引申出了线性预测梅尔倒谱系数(LPMFCC)的混合特征做了相应的理论及算法的分析,同时对结合神经网络在特征参数提取上的进展做了介绍。其次,探讨了神经网络的声学建模及在语音识别中的作用,概述了神经网络的声学建模发展历程,重点对限制玻尔兹曼机(Restricted Boltzmann Machine,RBM)的细节、常用的学习算法,以及评估方法进行了系统描述。通过对反向传播算法(Back-Propagation)的研究,采用(LPMFCC,(35)MFCC)的混合结构声学特征参数与传统的MFCC(梅尔倒谱系数)在BP(反向传播算法)神经网络及DBN(深度置信网络)神经网络声学模型下进行了语音识别实验,从而验证了线性预测梅尔倒谱系数与梅尔倒谱系数的一阶差分相混合的特征比梅尔倒谱系数可以更好地表现语音的特征,再在一定程度上改进优化了BP神经网络,更重要的缩短了训练时间,提高了训练效率,同时也使得识别性能明显提高。深度学习算法中的RBM模型相对较容易学习,这种模型的算法克服了直接对多层网络进行训练的效率问题。本文在语音识别实验中采用的是深度信念网络模型(Deep Belief Nets,DBN),其主要是由RBM(限制玻尔兹曼机)堆叠构成。实验开始前先将(LPMFCC,(35)MFCC)混合结构特征参数与MFCC特征参数通过时间规整后作为实验的输入参数,在声学模型训练及识别过程中,同时优化RBM网络模型,从而网络模型学习效果得到了增强,识别率得到提升。