语音识别是一个复杂的非线性过程,基于线性系统理论的语音识别方法如隐马尔可夫(HM)模型等技术的局限性逐渐凸现。随着人工神经网络的非线性理论研究和应用的逐渐深入,将这些理论应用于语音识别成为可能。因此,本文将以神经网络为基础,引入MFCC与LPCC混合参数来进行语音识别的研究。本文主要研究了基于神经网络的数码语音识别。对语音识别的预处理、特征提取与识别算法等环节进行了计算验证、性能分析和结果评述。对本文所使用到的几种识别方法的识别性能与应用特点进行了比较,分析讨论了在语音识别研究中神经网络的设计原则以及不同的特征参数等方面对语音识别结果的影响,研究构造了相应的语音识别模型与算法,并完成了实验软件平台的设计与开发。通过仿真计算,比较了相应算法的识别性能及应用特点,分析讨论了不同特征参数、训练样本数目、背景噪声以及是否特定人对识别结果的影响,结果表明,基于MFCC与LPCC混合参数比传统单一的MFCC参数或LPCC参数的语音识别方法具有更好的识别性能,神经网络识别方法有较高的识别率和独到的应用前景。