随着社会的进步和科技的发展,人工智能领域的技术得到了一次又一次的突破,作为该领域的一环,语音识别技术也取得了可喜的进步。在现代社会中,语音识别技术已经深入到了社会的每个角落,成为了不可或缺的一项技术。语音识别的首要目的就是提高系统的识别率,这一直是研究人员们主要关注的问题。从语音识别开始发展到现在,传统声学模型始终是语音识别系统的主流,进入到大数据时代以来,传统模型很难处理数量巨大且复杂的数据。随着深度学习的提出,深度神经网络慢慢取缔了传统声学模型,并且对语音识别技术产生了很大的影响。本文在综合了语音识别的基本原理和深度学习基本理论的前提下,对深度神经网络在声学模型上的应用进行了研究。主要的内容如下:首先,介绍了语音识别的基本原理和语音识别系统的构成,以及语音数据的预处理,包括语音信号预加重,语音的分帧等。同时,给出了语音特征提取方法MFCC和Fbank,推导了特征提取的流程。分析了语音识别的传统模型:基于HMM的声学模型和N-Gram语言模型。进一步地,分析了深度神经网络,以及深度循环网络和它的变体长短时记忆神经网络,并阐述了链接时序算法。然后,提出基于长短时记忆神经网络进行声学模型的建模,创建了基于LSTM-CTC和Bi LSTM-CTC的声学模型,并在数据集上验证其性能。之后使用RNN-CTC模型,LSTM-CTC模型和Bi LSTM-CTC模型进行了对比试验。其次,提出用Fbank特征代替MFCC特征作为声学模型的输入特征,并通过实验对比不同特征对系统识别率的影响。进一步,针对在训练后期容易出现梯度为0,造成神经元“死亡”的情况,本文在激活函数上进行了调整,用Leaky Re LU激活函数代替原本的Re LU激活函数,并通过实验验证两种函数对系统的影响。最后,通过本文的研究和实验可以得出,基于Bi LSTM的声学模型比基于LSTM的声学模型有更好的性能,而且二者的准确率都比基于RNN的声学模型的准确率要高。Fbank特征比MFCC特征更适合训练LSTM声学模型,用Leaky Re LU激活函数代替原本的Re LU激活函数,能够提高系统的识别性能。