近年来语音识别的嵌入式应用受到业界和用户日益广泛地关注，嵌入式语音识别的应用形式和领域不断拓展。通常在以计算机为语音识别处理平台的系统中，一般采用隐含马可夫模型进行语音识别，该算法需要进行大量的前期训练工作，需要系统具有较高的运算速度和庞大的系统存储资源。这对于那些需要识别的语音命令不多的特定应用场合，无疑是很不经济的，使用起来也不方便。根据嵌入式设备运算能力和存储资源都较小的特性，本文研究了适合嵌入式小词汇量语音识别系统的相关技术。 介绍了语音识别系统的相关理论。包括语音预处理、端点检测、特征参数提取、模板匹配等方面。具体研究了LPCC、MFCC特征参数提取的相关理论，短时能量和过零率相结合的端点检测方法，以及适合于嵌入式小词汇量语音识别系统的动态时间规整的原理以及实现方法等。 分析了适合进行嵌入式语音识别应用的硬件平台。DSP芯片是专门为进行数字信号处理计算而设计开发的一种芯片，故使用DSP芯片的硬件平台比较适合于语音识别的嵌入式应用。 研究了改进DTW(端点放松)和改进模板匹配(使用双模板)的方法，并对不同特征提取方法(LPCC和MFCC)、不同建模方法(单模板和双模板)和不同模板匹配算法(传统DTW和改进DTW算法)相组合的8种方案进行了仿真实验和分析，结果表明本文所研究的方法的识别率达到了97％～99％，是可以满足实用化要求的。特别是使用了改进的建模方法和改进的模板匹配方法后，识别率可以达到98.75％以上。在使用改进方法时，识别率会有所提高，但计算量会有相应的增加。所研究的几种方案都基本能满足实用化要求，为语音识别的嵌入式应用提供了参考依据。可以应用到许多嵌入式系统中去，在家电语音遥控、玩具、PDA、智能仪器及移动电话等领域内有着非常好的应用前景。