1、隨著計算機技術的迅猛發(fā)展，人們對計算機使用方便程度的要求越來越高，語音作為一種自然的人際交流模式，已經(jīng)成為一種重要的人機交互方式，是新一代人機交互所不可缺少的一項關鍵技術。
　　 語音識別以語音為研究對象，是模式識別的一個分支，也是語音信號處理的一個重要研究方向，涉及到生理學、心理學、語言學、計算機科學等諸多領域，它的最終目的是讓機器人能聽懂人話。由于語音本身具有多樣性、多義性、模糊性等特點，加之環(huán)境噪聲的干擾等問題，雖然語音識

2、別的研究已有幾十年的歷史，但是它的產(chǎn)品達到實用化的不多，語音識別技術仍是一個重要的研究課題。
　　 本文在剖析了語音識別系統(tǒng)構成的基礎上，深入研究了語音識別系統(tǒng)的各項核心技術。首先針對在低信噪比時不能準確檢測語音信號端點的問題，結合短時能量和譜熵各自的特點，提出一種基于短時能量和譜熵加權的端點檢測方法，并通過實驗證明，在較低信噪比時仍能取得較好的端點檢測效果，能夠提高語音識別系統(tǒng)的識別率；然后對常用的特征參數(shù)提取方法進行分析比較

3、，針對噪聲會影響有效語音段的特征參數(shù)的準確性問題，提出將有濾波功能的減譜法融入到基于離散小波的Mel頻率倒譜系數(shù)(DWTMFCC)的參數(shù)提取方法中，實驗證明，利用該方法提取出的特征參數(shù)可以有效提高語音識別系統(tǒng)的識別率；此外，本文討論了語音識別中訓練和識別的常用方法，深入研究了隱馬爾科夫模型在語音識別中的具體應用；最后在語音識別核心技術的研究基礎上，在MATLAB環(huán)境下，利用前面提到的技術方法，設計實現(xiàn)了一個對漢語數(shù)字0～9的可實時交互的