语音识别是由声学模型解码与语言模型解码两部分共同作用下完成的,其中语言模型是语音识别一项重要的技术,也是语音识别当中的重要研究部分。传统的语言模型解码一般采用2-gram模型获取语言模型得分,缺乏更长距离的语义信息。本文采用基于改进的词激活力长距离语言模型获取自然语言中的长距离的语法知识和语义信息,通过实验证明了长距离语言模型所包含的长距离信息在语音识别解码过程中的有效性,同时也进一步探索了长距离的语言模型在语音识别后处理过程中的重要作用。本文的主要研究工作与创新包括以下方面:1.研究了基于改进的词激活力长距离语言模型构造并改进了传统的词激活力模型,使其在概率形式上与传统的n-gram语言模型更加一致,从而能够更好的与传统n-gram语言模型进行插值平滑。实验表明基于改进的词激活力长距离的语言模型既保留了邻近词对的关系,又加入了长距离的全局关系,有比较好的识别准确率。2.提出了基于长距离语言模型的语音识别解码算法把基于改进的词激活力长距离语言模型应用到语音识别的解码过程当中,利用更远距离的历史词与当前词的联结关系扩展传统2-gram语言模型信息。探讨了长距离语义信息与相邻信息不同的结合方式,并且考虑了解码中的历史词距离以及后验概率等影响因素。实验表明长距离语言模型在语音识别解码过程中有着重要的作用。3.研究了长距离语言模型在lattice重打分中的应用把基于改进的词激活力长距离语言模型修改成前向和后向两部分,并分别应用到语音识别的后处理过程中,利用长距离语言模型的长距离信息对lattice词弧上的语言模型得分进行扩展。结合词激活力和lattice本身的特性分别实现了前向、后向以及前向后向相结合的重打分过程。实验表明长距离语义信息的引入对重打分过程的识别率提高有重要的作用。