仪器设备在运行过程中难免会出现故障,故需要通过监测系统对设备运行状态予以检测识别。目前监测系统主要采用总线和视频图像监测的方式,但在某些应用方面受到限制。音频监测能弥补传统监测方式的不足,研究基于音频信号的仪器设备的故障在线检测,具有实用价值。本文在深入研究音频识别相关理论和技术的基础上,设计了基于DSPTMS320DM643的设备状态音频识别系统：以低温等离子设备测控系统为设备检测对象,利用音频识别的分析方法来处理设备音频信号,实现了对设备工作状态的实时在线监测。主要研究内容和工作如下：1、分析了设备状态监测系统的应用背景和音频识别相关理论和技术。2、设计了一套基于DSP TMS320DM643的设备状态音频识别系统。针对低温等离子设备测控系统的设备运行状态特征,提取了真空泵、变压器、高压电源等设备工作音频的特征参数,分别建立了对应的连续隐马尔科夫算法模型,编制设计了仿真程序。并通过在DSP处理器上进行连续隐马尔科夫模型算法移植,实现了低温等离子体设备音频信号的实时采集和处理,完成了设备运行状态的分类识别和监测。3、通过TMS320DM643提供的软件资源创建了音频数据采集驱动,根据XDAIS (eXpressDSP Algorithm standard)算法标准对音频识别算法进行了封装,并搭建了音频识别算法的RF5(Reference Framework5)框架。通过算法实时分析工具,对采用和未采用DSP/BIOS及RF5框架的两种方法的算法效率进行了比较与分析。