1、隨著語音識別效果的逐步提高,語音輸入輸出正逐步成為人機交互的一種重要方式。這種交互方式對語音識別技術和識別系統提出了更高的要求,尤其在系統的便捷性,實時性和可移植性等方面。因此,在嵌入式系統中實現一個能識別較大詞匯量,具有較好實時性,并且具有足夠高的識別率的語音識別系統,具有很高的理論研究及實用價值。
　　 本文首先分析語音識別技術研究的發(fā)展背景及國內外研究現狀,并對本研究的背景項目所要求的各項技術指標進行介紹和分析。在深入研究

2、語音識別過程中各關鍵模塊,包括語音預處理,特征提取,關鍵識別算法及決策等的基礎上,對各模塊的重點技術進行研究。在語音預處理模塊中,重點對預加重、分幀、加窗、端點檢測的各種算法進行分析,通過實驗比較各種算法的優(yōu)劣；在特征提取模塊中,通過分析LPCC參數和MFCC參數的實現原理和差異,結合背景項目的要求,闡述選用LPCC參數的因為。
　　 在對核心識別算法的研究中,本論文分別對三種經典的語音識別算法-動態(tài)時間規(guī)整算法(DTW)、隱馬

3、爾科夫模型(HMM)和人工神經網絡算法(ANN)的算法思想和識別原理進行分析,并在傳統的DTW算法基礎上,對算法進行了簡化改進,從而減少了算法的運算量,實現了程序效率的提高。圍繞改進的DTW算法,提出一種新的匹配方法-二次匹配法,通過改變匹配流程,使用LPCC參數與改進DTW算法的組合,實現了大詞匯量的語音識別系統的設計,系統的識別率能夠保持在80％以上,達到背景項目的具體要求。
　　 本文在對現有的嵌入式操作系統深入研究的基礎