人工智能是目前最热门的科学研究领域之一,语音识别是人工智能的一个重要研究方向。随着科学技术的发展,连续语音识别技术已经取得了很大的进展。目前的连续语音识别系统,在实验室环境下,对纯净语音已达到很高的识别率,但在噪声环境下,识别率明显下降。在连续语音识别系统的实际应用中,噪声几乎是不可避免的,因此针对噪声环境下的连续语音识别技术研究显得尤为重要。本文从语音识别技术的理论基础出发,介绍了连续语音识别系统的各个组成部分,包括语音信号预处理、语音信号特征分析、连续语音切分、声学模型和语言模型等。最终实现了一个噪声环境下的中等词汇量汉语连续语音识别系统,并测试了该系统的性能。本文的主要研究内容如下:（1）语音信号特征分析。本文介绍了语音信号的预处理技术,包括以谱减法为主的语音增强技术,然后分析了语音信号在时域、频域和倒谱域的特征,提取了多种特征参数,着重研究了频域的语谱图特征和倒谱域的基音周期轨迹特征。（2）连续语音切分技术。连续语音的切分包含两个步骤,一是端点检测,二是语音段基元的切分。本文研究了基于时域特征参数的多阈值端点检测技术,然后在分析基音周期轨迹和语谱图的基础上,研究了一种具有一定抗噪性的汉语连续语音音节切分方法,实验表明该方法具有较高的准确率。（3）语音识别模型分析。连续语音识别系统分为两层,声学模型层和语言模型层,声学模型用于将语音信号识别为对应的音,本文研究了三种声学模型,分别是矢量量化模型、离散隐马尔科夫模型和连续隐马尔科夫模型,并通过实验对这三种模型的识别率和性能进行了对比分析,还研究了不同训练样本对连续隐马尔科夫模型识别率的影响。由于汉语广泛存在同音字现象,本文应用N元文法模型作为语言模型进行音-字的转换。最后,将声学模型与语言模型相结合,实现了一个完整的连续语音识别系统。