语音识别是人工智能研究的重要领域,具有重要的理论意义和实用价值,汉语是世界上使用人数最多的一门语言,汉语语音识别技术有着非常广阔的应用前景。本文对高斯混合隐马尔科夫模型(Gaussian Mixture Model/Hidden Markov Model,GMM-HMM)下的汉语语音识别系统中的三个模块进行了研究和实现,针对其中的两个部分进行了改进,并将改进后的GMM-HMM应用到电力系统指令调度语音识别系统中。首先研究了基于GMM-HMM的汉语语音识别系统的整体框架,对声学模型进行了实现与分析。现代汉语不同于印欧语系,其有着声调这一独特属性,同一个汉字在不同的声调下代表不同的意义。针对此现象,本文提出在声学模型中增加声调模型。实验证明声调模型可以有效的区分声韵母相同但声调不同的近音字。然后本文在连续语音识别方向进行研究。现代汉语中,相同的读音可能代表完全不同的汉字,现阶段同音字的识别结果与实际语义存在一定差异。针对此现象,本文提出将单音素模型改为基于上下文的三音素模型,根据当前字的出现与前一个字的出现有关的原则,对训练集进行统计计算字转移概率,并将字转移概率添加至语言模型中。实验证明三音素模型和字转移概率可以有效地提升同音字的识别率。最后本文实现了基于改进模型的语音识别系统,并将该系统应用到电力语音调度系统中,用于自动记录调度指令。实验证明改进模型后的语音识别系统可以有效的应用于汉语语音识别中。