语音识别其广阔的应用前景和理论价值近年来已经受到人们的广泛重视,让计算机与人智能的进行交流并且具有简洁的交互界面,这些技术的实现都依赖于语音识别技术理论的发展。语音识别在金融、商业、文化、教育等方面,特别是在计算机、电子系统、自动控制方面都有着极为广泛的应用。众多学者已经在语音识别方面做出了许多理论研究,基于HMM强大的时域建模能力以及ANN强大的分类能力的理论研究都已经在语音识别方面有了出色的表现。论文着眼于孤立词非特定人语音识别系统,通过对语音信号处理方面的研究,对语音预处理、分帧、加窗、端点检测和特征参数提取做了较为深入的研究,对双门限端点检测算法,LPCC和MFCC特征参数的提取过程进行了详细的介绍。在研究传统HMM与ANN理论在语音识别应用的基础上,通过将HMM较好的时域建模能力以及ANN强大的分类能力相结合提出了一种HMM/BP混合网络的结合方式,即将语音信号在HMM模型基础上通过viterbi解码产生的状态转移累积输出概率作为BP神经网络的输入,从BP神经网络的输出得到识别结果。通过实验对比传统的HMM和ANN,该混合网络结构在识别性能方面有一定程度的提升。另外本文将MFCC与LPCC作为特征参数进行试验对比得出MFCC在语音识别方面性能优于LPCC,并且通过实验找出了合适的隐层神经元个数。