丁佳伟，刘 加†，张卫强，冯运波，刘利军，于 乐

(1 清华大学电子工程系， 北京 100084； 2 中国移动通信信息安全管理与运行中心， 北京 100053)(2017年12月22日收稿； 2018年3月2日收修改稿)

大词汇量连续语音识别(large vocabulary continuous speech recognition, LVCSR)技术是目前互联网诸多语音识别系统的主流技术，在语音检索、语音识别输入法、关键词检测以及人机交互领域均有广泛的应用。语音识别解码器是语音识别系统的核心模块，在语音识别中起到举足轻重的作用[1]。它以由预处理的语音信号提取出的特征作为输入，通过特定的解码算法对输入特征进行解码，获得解码结果。

语音识别中的解码器根据解码网络的构造方式可以分为两大类，即动态网络解码器(简称动态解码器)与静态网络解码器(简称静态解码器)。在动态解码器中，解码的搜索网络是在解码过程中通过预测算法动态生成的，一般根据动态生成的声学和语言模型实现解码搜索。动态解码器的一个典型代表是使用词法前缀树(lexical prefix tree)的方法[2]。动态解码器的特点是内存消耗较少，而且可以几乎不受限制地使用庞大的高阶语言模型。德国亚琛工业大学开发的RWTH ASR系统是具有代表性的动态解码器[3]。

在静态解码器中，系统提前将声学模型与语言模型静态结合，构造一个完整的解码网络，解码器所有的过程均在该静态网络中进行，并生成完整的搜索空间。其特点是解码速度相较动态解码器大大提升，但由于其生成的解码网络相当庞大，搜索过程中所需的搜索空间也随之增大，因此在实际应用中会占用大量的机器资源。……