中国是个多民族、多语种的国家,语言研究面临十分繁重的任务。近些年越来越多的计算机软件开发用于语言的田野调查,大大提高了调查的效率。然而在计算机软件在完成录音工作后,记音和校对环节还停留在人工听辨的阶段。由于田野调查语料数量庞大,记音工作繁重,难以保持标准的一致,从而产生人为原因的谬误,且目前尚无更加有效的办法缩减记音的工作量。本文针对这个问题进行了基于HTK的单音节识别研究,通过对现有田野调查语料的单音节录音文件进行特征分析、预处理、提取MFCC特征参数,从而建立每个音对应的HMM模型,利用HTK工具包对语音特征进行提取,从而实现语音声学模型的训练,最后进行识别性能测试。本文对田野调查的语料进行了收集和预处理,合并了不同语言中的相同发音,并且针对MFCC维数、HMM状态数及GMM个数这三个参数对跨语言的混合材料中单音节的识别率进行研究。实验表明：对于包含了方言和民族语多种语言混合的单音节语音材料,在单个用于训练的独立语音数据量充足的情况下,识别率可以达到80%左右。并且增加HMM状态数和GMM个数有利于识别率的提高,但是超过一定的值后,识别率会有所下降。对于非特定人的单音识别来说,单个语音的识别率和其训练量成正比。在语音数据量充足的情况下,能得到较为理想的识别率。