近年来,随着计算机和语音识别技术的飞速发展,失语症患者的康复研究已经取得了长足进展。计算机的辅助治疗实质就是通过对失语症患者的语音信号进行分析、处理最后达到识别其信号的目的。其关键技术就是对失语症患者语音信号的识别。在失语症患者的康复治疗系统中,研究失语症患者的语音识别是当前的热点。论文的主要内容是:首先,对选题背景、意义及主要内容做了介绍,着重对失语症、语音识别技术的国内外研究状况进行了综述。其次,根据失语症患者语音信号的特点,分析了语音识别技术在患者康复治疗中的可行性并提出具体的识别方案。第三,搭建了语音采集的实验平台,完成了对失语症患者语音信号的采集,为后期信号处理及识别提供了原始数据。第四,针对受噪声污染的患者语音信号,提出了一种新的小波分解结构—细化高频成分,并结合软阈值算法实现了语音信号的去噪处理。经实验验证,该方法取得了良好的去噪效果,满足保留较多真实信号的要求。第五,在对比多种常规端点检测及特征参数提取方法,针对失语症患者的语音间断性,采用了双门限端点检测及Mel频标倒谱系数(MFCC)的特征参数提取,为后续完成模式匹配提供了可靠的数据。最后,比较了多种语音识别算法,利用动态时间归正(DTW)算法可克服说话速度不匀造成的时间伸缩变化的优点,选取了DTW算法实现失语症患者语音信号的识别。通过理论分析和实验仿真结果证明了所提出方法的有效性。