语音识别（Automatic Speech Recognition,ASR）是通过计算机将语音转换为文字的过程。随着神经网络的不断发展,海量数据背景下（如中文和英文）的语音识别系统表现良好,识别的词错误率极低。维吾尔语属于低资源语言,由于缺少足够的训练数据,维吾尔语语音识别系统准确率较低。本文主要通过深度学习技术,针对低资源条件下的维吾尔语语音识别系统的声学建模进行研究,主要工作如下:（1）本文通过对比时延神经网络（Time Delay Neural Network,TDNN）和深度神经网络（Deep Neural Network,DNN）基线系统的模型结构,分析了TDNN模型的优点,将TDNN作为维吾尔语语音识别的声学模型。加入说话人自适应的鉴别性向量（identity vector,i-vector）特征,同时与传统的梅尔频率倒谱系数（MelFrequency Cepstral Coefficients,MFCC）声学特征进行拼接,来提升TDNN声学模型的鲁棒性。采用链式模型训练准则作为目标函数对模型进行训练,相比于传统的交叉熵准则,可以进一步提升TDNN声学模型的性能。（2）基于说话人自适应i-vector和链式模型训练方法的TDNN声学模型虽能提升维吾尔语语音识别系统的准确率,但提升效果有限。为了进一步提升维吾尔语语音识别系统的性能,本文研究了因子分解时延神经网络（factorized TDNN,TDNN-F）的模型结构,TDNN-F在TDNN基础上添加了维数较低的中间层。为了证明基于TDNN-F声学模型的维吾尔语语音识别系统的优越性,本文还将其与基于双向长短时记忆网络和基于注意力机制的端到端维吾尔语语音识别进行对比,实验结果表明,基于TDNN-F的声学模型的维吾尔语语音识别的词错误率更低,模型参数也更少。另外,还研究了速度扰动和频谱增强（Spec Augment）两种数据增强的方法,来缓解维吾尔语语音识别中数据稀少的问题,进一步降低了维吾尔语语音识别的词错误率。（3）综上所述,本文中维吾尔语语音识别系统的声学模型使用TDNN-F,输入特征是i-vector与MFCC,目标函数使用链式模型,使用速度扰动和频谱增进行数据扩充。实验结果表明,在30小时的维吾尔语语音数据集上,维吾尔语语音识别的词错误率为16.78%,与基线系统DNN（20.94%）相比,词错误率下降了4.16%,相对降低了19.86%。最后,基于数据增强的TDNN-F声学模型,搭建了在线维吾尔语语音识别系统,满足实时性和实用性需求,基本达到实用水平。