随着信息科学和嵌入式技术的不断发展,语音识别技术研究又上了一个新台阶。采用现代化手段研究语音识别技术,可以有效的帮助我们产生、存储和获取语音信号,这对促进社会的发展意义深远。本文提出了一种基于改进的梅尔频标倒谱参数(MFCC)算法的语音识别方法并对其嵌入式硬件进行了设计。文中详细介绍并实现了语音识别算法。在开始具体的语音识别之前,本文首先介绍了语音识别的一些短时函数,包括短时平均能量,短时平均过零率,短时自相关函数和短时平均幅度差函数。这些函数为后续的语音识别算法做铺垫。对于语音识别中端点检测难的问题,考虑了语音信号中直流分量干扰和长尾音误判断情况,提出了改进的双门限法。对于语音识别中基音周期检测问题,文中提出了改进的循环短时平均幅度差函数(AMDF)方法。为了得到最佳的语音特征参数,本文在传统的MFCC的基础上,改进了其中高频段的频率特性,提出了改进的MFCC方法。实验证明,经过改进的特征参数提取方法提高了语音识别率。在语音识别模型方面,文中介绍了动态时间规整模型(DTW)、隐马尔可夫模型(HMM)和人工神经网络模型(ANN)。采用了DTW模型进行识别,该模型算法简单,识别率高。本文对硬件的设计进行了详细的介绍。以三星公司的S3C2440处理器为核心,该处理器具有强大的硬件资源。文中给出了处理器与SDRAM、FLASH、串口、JTAG、电源、外部AD、LCD屏、发声部分等模块的连接电路。本文的具体识别算法在MATLAB中进行了仿真,取得了较好的仿真效果。结果说明,这些算法可以广泛的应用于语音识别领域,这对语音识别技术的发展具有一定的促进作用。