基于DNN的声学模型自适应算法是语音识别领域中重要的研究方向,自适应技术是通过少量的自适应数据优化基线模型,解决由于目标测试数据与训练数据不匹配而导致的识别性能下降的问题。实际上,少量的自适应数据几乎无法描述所有目标测试数据的分布隋况,因此通过自适应数据统计得到的先验概率同样缺乏通用性。文章中针对这个问题,提出了基于先验概率线性插值的声学模型自适应方法,该方法将自适应数据的先验与基线模型的先验进行线性插值， 使先验知识不仅融合了测试数据信息而且更具有通用性。实验证明， 通过线性插值的先验可以有效改善识别性能。