本論文介紹了雙門限語音端點(diǎn)檢測理論，研究了語音特征參數(shù)地提取過程，特征參數(shù)包括：線性預(yù)測系數(shù)（LPC）、線性預(yù)測倒譜系數(shù)（LPCC） 和Mel頻率倒頻系數(shù)（MFCC） 。并研究了3種不同的語音識別算法： DTW算法、VQ算法和HMM算法。并且在MATLAB環(huán)境中提取了孤立字語音（十個數(shù)字0~9的漢語發(fā)音）的LPCC、MFCC特征參數(shù)，用它們配合上述3種語音識別算法實現(xiàn)了對這些孤立字語音的識別。

　　語音識別研究開始于二十世紀(jì)50年代，Bell 實驗室實現(xiàn)了第一個可以識別10個英文數(shù)字的語音識別系統(tǒng)（Audry）。

　　但是真正取得實質(zhì)性進(jìn)展是在60年代末，70 年代初，當(dāng)時提出了動態(tài)時間規(guī)劃（DP） 和線性預(yù)測分析技術(shù)（LP）， 后者很好地解決了語音的建模問題，到了70年代初，動態(tài)時間規(guī)整（DTW） 解決語音特征長度不一致的問題。這對特定人孤立詞的語音識別特別有效。70年代還提出了矢量量化VQ和隱馬爾可夫模型HAOM的語音識別算法。

　　80年代，這時研究的重點(diǎn)轉(zhuǎn)到了對連續(xù)語音的識別，提出了多級的動態(tài)時間規(guī)劃識別算法等，此時設(shè)計方法算法從模板匹配到統(tǒng)計模型轉(zhuǎn)變。特別是隱馬爾可夫模型HMM語音識別算法的成熟和推廣，。

　　90年代人們開始研究自然語音的識別，逐漸發(fā)展到口語對話和人機(jī)語音交互的方面。人工神經(jīng)網(wǎng)絡(luò)技術(shù)也開始用于語音識別，成為語音識別的--條新途徑。

　　我國在80年代后期研究了人機(jī)語音對話項目，這個時候，國內(nèi)的大學(xué)和研究所相繼研究了語音識別。

　　國外許多公司為語音識別投入大量資金，推動語音識別的研究。

　　經(jīng)過了半個世紀(jì)地研究發(fā)展，目前語音識別技術(shù)已經(jīng)發(fā)展到了接近實用的階段。在實驗環(huán)境下，識別率很高，達(dá)到90%以上，在這樣的基礎(chǔ)上，語音識別走向了商品化。雖然很多公司開發(fā)除了語音識別系統(tǒng)，但是它還主要受到計算的性能和價格的制約，還有很多方面需要改進(jìn)。

　　1.提高可靠性。

　　語音識別技術(shù)的識別率特別受到語音環(huán)境的影響，在公共場合，噪音比較大，雖然人耳可以很輕松的屏蔽掉無用信息，或不想要的信息。但是計算機(jī)不能屏蔽掉，它會對語音識別率造成嚴(yán)重的干擾，所以必須要采取濾出噪聲等措施，提高可靠性。

　　2.增加詞匯量。

　　語音識別系統(tǒng)應(yīng)該有很大的詞匯量，讓語音識別系統(tǒng)的功能更強(qiáng)大，作用更廣人機(jī)交互更加智能化，使人們更加方便使用機(jī)器。

　　3.應(yīng)用拓展。

　　可以使用語音識別系統(tǒng)開發(fā)- -些應(yīng)用，使人們生活水平更高，更加智能化，享受舒適溫馨的生活。

　　4.降低成本減小體積。

　　任何技術(shù)商品化，都必須要降低成本，使普遍人們能夠使用的起，小體積的識別系統(tǒng)更符合人們的需要，就像計算機(jī)一樣，從開始的研發(fā)的大型計算機(jī)，到民用的個人計算機(jī)，體積縮小了很多。

　　21世紀(jì)是信息和網(wǎng)絡(luò)的時代，Internet、 智能手機(jī)、計算機(jī)、物聯(lián)網(wǎng)、移動電話網(wǎng)將會把全球的人與人之間、人與物之間、和物與物之間都相互連接起來。而自然口語對話、智能家居、信息索取、電子商務(wù)、語音翻譯、數(shù)字圖書館等領(lǐng)域，語音識別技術(shù)將發(fā)揮巨大的作用。

　　本論文描述了基本的語音識別基本原理，介紹了語音識別的-般過程。在第二章介紹語音識別的算法所需要的參數(shù)提取的過程，包括語音信號預(yù)加重、分幀、端點(diǎn)檢測， LPCC和MFCC意義和它的提取過程。第三章介紹了動態(tài)規(guī)劃DTW算法、矢量量化算法和隱馬爾可夫模型HMM算法語音識別，第四章得出了語音識別的實驗結(jié)果。第五章做出總結(jié)。