深度学习的兴起引领了现代语音识别技术的发展,深度神经网络相较于传统机器学的优势主要表现在几个方面:首先,深度神经网络在训练过程中整合了特征提取,而传统的机器学习模型的特征提取与模型的训练问题是相互独立的。其次,深度神经网络擅长端到端的学习,具有强大的非线性特征表达能力。语音识别的广泛应用建立在不断提高性能和鲁棒性的基础之上,这些都是语音识别研究永恒不变的主题,这个主题有各种不同切入点。本文从发音学的角度出发,在前人研究的基础之上,结合语音识别的特点,研究了如何利用深度神经网络模型提取分节信息,并考量分节信息对语音识别性能提高的程度,以期在方言口音的差异上更好地利用分节信息。深度神经网络强大的表达能力很适合作为提取特征的模型,在这方面借鉴前人的“转换提取”分节信息的经验和采用联合学习的思想,利用基于联合学习的训练方法改进了语音特征提取模型的方法。本文研究了深度学习优化学习方法,并在知识蒸馏(knowledge distillation)方法的基础上,在声学模型上应用广义蒸馏学习方法来利用分节信息,将大模型上学习到的分节特征的知识迁移到较为精简的小模型上。使用口音差异数据集和蒸馏方法训练几组略精简的模型,并在教师模型的训练上应用了改进的分节信息提取方法,对比各个模型在语音识别的性能上的差别,得出性能较好的模型。