人工智能是21世纪引领世界未来科技领域发展和生活方式改变的风向标。语音识别技术是人工智能目前落地较为成功的技术之一,它能够将语音转换为文本来实现人机交互。由于目前的语音识别研究主要针对主流语言和藏语、东干语等部分少数民族语言,对少数民族彝语的语音识别研究较少,故而本文展开了基于深度学习方法的彝语连续语音识别的研究。本论文的主要工作和创新如下:1.建立了彝语语料库和彝汉混合语料库。构建彝语语料库时,根据彝语的发音特点设计了反映彝语音系特征的5383句文本,每个彝字均用声母、韵母和声调标注;邀请一名女性说话人以单声道、16 k Hz采样率、16位采样精度录制并保存为用语音序号记录的WAV文件,对录音语句进行切分、校对、检测,将不符合录音质量的句子进行补录,录制的彝语语料库时长约5 h。而对于彝汉混合语料库的构建,通过对比彝语和汉语语音系统、研究彝、汉两种语言的发音特点,本文在原有彝语语料的基础上额外增加了源于公开的thchs30清华中文语料库约28 h的汉语语料,用国际音标转写字的声母、韵母,用数字统一声调的调值。2.运用了4种声学建模方法来实现彝语语音识别,分别为隐马尔科夫模型（Hidden Markov Model,HMM）、深度神经网络（Deep Neural Networks,DNN）、时延神经网络（Time Delay Neural Network,TDNN）和端到端（End-to-End）声学模型,并进行了对比实验。实验结果表明基于深度学习方法的彝语语音识别词错率要优于传统HMM方法,TDNN模型的识别词错率低至16.5%,而端到端模型因彝语语料的不足导致其识别效果最差,词错率为47.40%。3.研究了3种不同声学特征对彝语语音识别词错率的影响。基于DNN模型实现了梅尔频率倒谱系数（Mel Frequency Cepstrum Coefficient,MFCC）、瓶颈特征、瓶颈复合特征的彝语语音识别,结果显示基于MFCC特征的彝语识别词错率较低。考虑到语料的不足可能会影响实验结果,本文选择thchs30汉语语料辅助建模训练进行验证。实验结果表明,混合语料的复合特征识别词错率最低,为15.01%。4.实现了基于迁移学习方法的彝语连续语音识别。先用杰卡德相似系数比较了彝语和汉语的语言相似性,确定thchs30汉语语料作为迁移学习的源域,然后进行了彝语DNN-HMM模型迁移。实验结果表明用迁移学习方法进行彝语语音识别的词错误率比DNN模型降低了3.16%。