自动语音识别任务在人工智能领域举足轻重,是人与智能设备沟通交流的桥梁,广泛适用于自动问答系统、无障碍自动语音翻译等多个领域。不同于世界上主流语言识别技术的快速发展,维吾尔语等少数民族使用语言在资源匮乏的情况下发展缓慢,现今5G时代对低资源语言的语音识别性能需求越来越高,维吾尔语是典型的黏着性语言,与哈萨克语、土耳其语类似,存在词汇爆炸问题。本文结合维吾尔语本身的语言特点,为提高语音识别的正确率进行了以下工作:维吾尔语因本身的语言特性,在一个语音识别系统中,发音词典通常很难覆盖所有的单词,容易出现集外词问题,为了缓解此问题,语音识别系统采用子词单元进行建模,使用基于统计的字节对编码（Byte Pair Encoding,BPE）算法来获取子词单元,并在此方面做了相关研究,研究了子词建模单元的数目可能对识别系统的影响。BPE算法因本身特点,具有一定的缺陷,机器翻译任务中修改BPE算法的解码过程,得到BPE-Dropout算法,提高了分割过程中的鲁棒性,却不适用于维吾尔语的语音识别任务,在此基础上,本文提出Improved＿BPE-Dropout算法来构建更适合于子词建模的语言模型,综合了BPE算法和BPE-Dropout算法二者的优点,识别性能得到明显改善。针对维吾尔语的训练数据无法构建强壮的声学模型的情况,本文在原有数据上进行数据增广,使用音量扰动和速度扰动的方法增加数据量,采用目前工业界中使用广泛的链式（Chain）模型,结合子词单元建模方法,识别效果相对于传统DNN建模取得显著提升。使用Kaldi语音识别工具包和GStreamer工具包,以服务端-客户端的结构方式,结合HTML标签、CSS样式和Java Script脚本搭建在线的WEB页面版实时语音识别系统,构建人机交互的语音识别平台。此平台可提供维吾尔语、英语、汉语三种语言的在线语音识别,页面简单,功能实用。