本論文介紹了雙門(mén)限語(yǔ)音端點(diǎn)檢測(cè)理論，研究了語(yǔ)音特征參數(shù)地提取過(guò)程，特征參數(shù)包括：線性預(yù)測(cè)系數(shù)（LPC）、線性預(yù)測(cè)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(yǔ)音識(shí)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(yǔ)音（十個(gè)數(shù)字0~9的漢語(yǔ)發(fā)音）的LPCC、MFCC特征參數(shù)，用它們配合上述3種語(yǔ)音識(shí)別算法實(shí)現(xiàn)了對(duì)這些孤立字語(yǔ)音的識(shí)別。

　　語(yǔ)音識(shí)別研究開(kāi)始于二十世紀(jì)50年代，Bell 實(shí)驗(yàn)室實(shí)現(xiàn)了第一個(gè)可以識(shí)別10個(gè)英文數(shù)字的語(yǔ)音識(shí)別系統(tǒng)（Audry）。

　　但是真正取得實(shí)質(zhì)性進(jìn)展是在60年代末，70 年代初，當(dāng)時(shí)提出了動(dòng)態(tài)時(shí)間規(guī)劃（DP） 和線性預(yù)測(cè)分析技術(shù)（LP）， 后者很好地解決了語(yǔ)音的建模問(wèn)題，到了70年代初，動(dòng)態(tài)時(shí)間規(guī)整（DTW） 解決語(yǔ)音特征長(zhǎng)度不一致的問(wèn)題。這對(duì)特定人孤立詞的語(yǔ)音識(shí)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(yǔ)音識(shí)別算法。

　　80年代，這時(shí)研究的重點(diǎn)轉(zhuǎn)到了對(duì)連續(xù)語(yǔ)音的識(shí)別，提出了多級(jí)的動(dòng)態(tài)時(shí)間規(guī)劃識(shí)別算法等，此時(shí)設(shè)計(jì)方法算法從模板匹配到統(tǒng)計(jì)模型轉(zhuǎn)變。特別是隱馬爾可夫模型HMM語(yǔ)音識(shí)別算法的成熟和推廣，。

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

　　我國(guó)在80年代后期研究了人機(jī)語(yǔ)音對(duì)話項(xiàng)目，這個(gè)時(shí)候，國(guó)內(nèi)的大學(xué)和研究所相繼研究了語(yǔ)音識(shí)別。

　　國(guó)外許多公司為語(yǔ)音識(shí)別投入大量資金，推動(dòng)語(yǔ)音識(shí)別的研究。

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

　　1.提高可靠性。

　　語(yǔ)音識(shí)別技術(shù)的識(shí)別率特別受到語(yǔ)音環(huán)境的影響，在公共場(chǎng)合，噪音比較大，雖然人耳可以很輕松的屏蔽掉無(wú)用信息，或不想要的信息。但是計(jì)算機(jī)不能屏蔽掉，它會(huì)對(duì)語(yǔ)音識(shí)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(yǔ)音識(shí)別系統(tǒng)應(yīng)該有很大的詞匯量，讓語(yǔ)音識(shí)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(yǔ)音識(shí)別系統(tǒng)開(kāi)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(shí)別系統(tǒng)更符合人們的需要，就像計(jì)算機(jī)一樣，從開(kāi)始的研發(fā)的大型計(jì)算機(jī)，到民用的個(gè)人計(jì)算機(jī)，體積縮小了很多。

　　21世紀(jì)是信息和網(wǎng)絡(luò)的時(shí)代，Internet、 智能手機(jī)、計(jì)算機(jī)、物聯(lián)網(wǎng)、移動(dòng)電話網(wǎng)將會(huì)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(lái)。而自然口語(yǔ)對(duì)話、智能家居、信息索取、電子商務(wù)、語(yǔ)音翻譯、數(shù)字圖書(shū)館等領(lǐng)域，語(yǔ)音識(shí)別技術(shù)將發(fā)揮巨大的作用。

　　本論文描述了基本的語(yǔ)音識(shí)別基本原理，介紹了語(yǔ)音識(shí)別的-般過(guò)程。在第二章介紹語(yǔ)音識(shí)別的算法所需要的參數(shù)提取的過(guò)程，包括語(yǔ)音信號(hào)預(yù)加重、分幀、端點(diǎn)檢測(cè)， LPCC和MFCC意義和它的提取過(guò)程。第三章介紹了動(dòng)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(yǔ)音識(shí)別，第四章得出了語(yǔ)音識(shí)別的實(shí)驗(yàn)結(jié)果。第五章做出總結(jié)。