该文构造了一个基于随机轨迹模型的音素基汉语语音识别研究系统.其主要内容如下:(1)随机轨迹模型的基本理论.该部分首先讨论了隐马尔可夫模型的基本原理,从中指出了基本隐马尔可夫模型的三个不合理假设,并且说明这些假设会导致轨迹折叠现象,降低建模的准确性.由此引入了随机轨迹模型,认为由于人的发音器官的惰性以及惯性,语音表现为是在参数空间中运动的一条轨迹,因此,在识别中对语音的建模应建立在轨迹的基础上.该章最后如何对随机轨建模中理论的具体细节进行了详细的阐述.(2)预处理部分,它由端点检测部分和特征提取部分组成.该部分在分析了传统端点检测的基础上,指出它易受短时冲击噪声以及话间停顿等影响,从而提出了一种新的模糊端点检测方法,提高了端点检测的准确性.在特征提取部分,在语音产生模型的基础上,讨论了线性预测倒谱的基本理论,并且详细说明了其具体实现的细节和流程.(3)随机轨迹模型的训练,这里首先在比较了各种识别基元的基础上,给出了一种基于音素的基元提取方法.然后用分段K均值训练算法训练出各个音素的随机轨迹模型,其中采用语谱图手工分割的办法得到训练的初值,取代了平均分段取初值的方法,使训练后的模型更可靠,更逼近全局最小.此外,在判别算法是否收敛时,采用独立测试集数据作为判别标准,防止对于训练数据过训练.(4)随机轨迹模型的识别,该部分在语句搜索时采用了基于动态规划的分层构筑算法,对语句概率的归一比、搜索范围的减小等实现细节也通过实验进行了讨论.此外还提出了一种树形语法结构与分层构筑算法结合的搜索算法,一次性地得到搜索结果.同时通过减少搜索节点上的状态数,可以在识别率损失较小的情况下,大幅度缩短搜索所需的时间.