语音识别研究的理论研究已经非常成熟，达到了很高的识别效果。我国语音识别研究工作起步于五十年代，但近年来发展很快。研究水平也从实验室逐步走向实用。然而，由于将语音识别应用于实际时，存在背景噪音、方言口音、口语等多方面的影响，一直没有在实际中取得广泛应用。尤其对于嵌入式应用场合，面临着非常复杂的环境，更要解决这些影响，使语音识别系统能应用于实际使用环境。由于论文在语音识别方面的研究刚刚起步，且大词汇量语音识别系统需要建立词典涉及到很多语言学知识，并且需要大型语音库，因此论文主要研究了非特定人数字串语音识别系统，内容包括自适应端点检测门限研究，Mel倒谱系数(MFCC)各维系数对识别结果的贡献，持续时间状态模型的参数选取，以及隐马尔可夫(HMM)状态数选取，训练集大小选取等问题。端点检测方面，在分析了经典双门限检测方法后，认为经典方法中，高门限取值为多帧语音数据能量平均值乘以固定系数a(a=1)在信噪比改变的情况下是不合理的，需要在实际应用之前，对系统进行自适应，通过逐步逼近的方法取得合适的系数a，再进行识别。实验证明，对系统进行自适应后，大大提高了系统的信噪比应用范围。MFCC系数是语音识别领域一个非常有效的声学特征，传统实验认为，由于前两维系数反应的是幅度值，对识别结果有负效果，应该丢弃MFCC的第一维和第二维。然而，经过实验后发现，虽然这两维系数对区分数字贡献不大，但是可以用来区分语音和背景噪音，可以应用在端点检测阶段，不应该简单丢弃。最后，论文还对持续时间状态模型的参数选取，HMM状态数和训练集大小进行了实验，结果表明持续时间的均值为220ms，方差为60ms，HMM状态数为5，训练集大小为30是比较合理的。