随着人工智能产业的兴盛。语音识别技术因为深度学习思想的引入也迎来了飞速发展。作为人类最自然便捷的交流方式,以语音输入为手段的交互方式成为了未来人机交互的重要接口。而在现代化战争场景下,指挥控制系统是军队的大脑和心脏,在指挥控制系统中运用全新的信息技术是打赢现代化战争的必然要求,无论是平台化的指挥控制系统还是信息装备的伴随型发展,基于语音的交互输入与控制成为了一种极为重要的交互手段。区别于传统的民用场景,军事指挥控制场景下,恶劣的战场使用环境对语音交互系统提出了更加严苛的要求。面对这些特殊的使用场景,如何有针对性地对语音识别系统进行完善和改进成为亟需解决的问题。研究针对伴随型装备,首先提出了一种结合本地语音识别、云端语音识别和边缘计算概念的适合指控系统的语音识别服务架构。该架构有别于传统的语音识别服务体系,在适应严苛的指控应用场景的前提下尽可能地提升智能语音交互体验。且在模型部署时更多地将语音识别模型的训练和解码在终端设备上实现,从而减少了网络传输负担、释放了云端的算力。针对前文架构下提出的网络离线、孤立词识别、有限词汇量的封闭式交互环境下的边缘终端语音识别系统进行了相关硬件技术和算模型部署的研究。在此基础上对适用于边缘终端部署的神经网络剪枝方法和更新训练进行了研究和探索,实验结果表明该方法不仅有利于推广语音识别的DNN剪枝模型在边缘终端的部署,同时也为模型更新提供了可行的方案。对提高语音识别的模型的泛化能力有重要意义。针对云端语音识别系统中模型的训练和部署,在面向网络在线、连续语句识别、海量词汇的开放式交互环境的语音识别系统的基础上。对相关的前沿算法进行了研究。选取并改进了一种基于CTC和注意力机制的混合端到端中文语音识别模型,一定程度上提升了训练速率的同时使得该语音识别系统在噪声环境下有相对更好的识别表现。最后本文对相应原型系统进行了初步的工程化探索。