随着科学技术的高速发展,语音识别技术也取得显著进步,同时运用到了各个领域。相比较其他方法支持向量机具有更好的泛化能力和分类准确性,更适合用于语音识别。近些年来,支持向量机理论不断得到完善和发展,各种改进的新算法也是层出不群。本文就支持向量机的变形——超球支持向量机做了详细的研究。本文的主要工作如下：(1)简要概括了语音识别的基本原理和过程,分析了当前主流语音识别方法的优缺点。然后详细介绍了支持向量机理论。其核心思想就是通过核函数把低维空间的非线性变换转换到高维特征空间使之成为线性变换,再在这个高维特征空间中构造一个最优线性分类面。(2)引入了超球支持向量机,并介绍了其算法。超球支持向量机是用超球面代替超平面来划分数据,这种方法有着更快的识别速度。(3)对归一化前后的语音数据分别进行识别,实验表明归一化的数据识别结果要优于没有归一化的。为了研究在相同的情况下,不同方法的选取对识别速度和识别率影响,本文分别构建了基于“一对一”、“一对余”、“超球支持向量机”三种方法的非特定人语音识别系统,并进行了大量的实验。实验结果表明,同基于一对一和一对余支持向量机的方法相比,超球支持向量机在语音识别中具有运行速度的优势,同时保持了较高的识别率。