口吃是一种言语疾病，随着人工智能的发展，计算机的普及以及智能医疗的需求，智能识别口吃类型逐渐被提到日程上来并具有重要研究意义。本文基于语音识别的基础，结合口吃语音的特点选择谱包络作为口吃语音特征参数，构建人工神经网络（ANN）和隐马尔科夫模型（HMM）实现口吃语音自动识别的过程。论文首先介绍了语音识别的基础及当前语音识别的发展情况，并分析了口吃语音识别研究的历史、现状与难点以及口吃识别分类的流程方法。本文构建的口吃语音库语音类别共有四种，分别为停顿语音，重复语音，拉长语音和流利语音，结合当前研究现状采取了两种手动切割方法获取口吃语音，对语音进行预处理，包括预加重、平稳性分帧，然后提取谱包络特征系数LPCC作为参数并采取灰色关联度算法和等部分划分方法进行规整。接下来论文详细讨论应用神经网络和隐马尔科夫模型进行口吃语音识别的分析过程和设计思想：神经网络选取三层感知器前馈结构，并采取误差反向传播算法对口吃语音进行训练和识别；隐马尔科夫模型选取从左到右的连续模型并建立了对应不同口吃类别的四个模型，应用Baum-Welch算法训练，其中采用了分段K均值算法优化，最后使用Viterbi算法进行识别。论文最后进行算法实现及实验，实验结果表明口吃类别的识别率较为理想。论文结尾总结了实验中的不足和存在的问题以及今后口吃识别的发展前景。