基于HMM的汉语语音识别中，易混淆语音的识别率仍然不高．在分析HMM固有缺陷的基础上，本出一种使用SVM在HMM系统上进行二次识别来提高易混淆语音识别率的方法．通过引入置信度估计环节系统性能和效率．通过充分利用Viterbi解码获得的信息来构造新的分类特征，从而解决标准SVM难以处长数据的问题．详细探讨这种两级识别结构中置信度估计、分类特征提取和SVM识别器构造等问题．语音的结果显示，与采用HMM／SVM混合结构的模型相比，本文方法在对识别速度影响很小的情况下可以使有明显提高．这表明所提出的具