语言是人类与外界交流的重要方式，能够让人类和机器进行自然、无障碍的交流，并让其做出相应的反应，一直是人类长期以来追求的梦想。随着计算机技术的日益发展和人工智能机器的广泛应用，越来越多的语音智能产品开始走进人们的生活。由于传统PC机体积大、价格高等缺点难以应用于实际产品中，将语音识别系统与便携性好、功耗低、价格低的嵌入式系统结合在一起，无疑成为人们的理想选择。本文在深入研究语音识别算法的基础上提出了优化和改进方案，并在MATLAB软件平台上对改进后的识别模型进行了验证仿真，最后将语音识别技术与嵌入式技术相结合，设计了一个基于SPCE061A单片机的小型嵌入式语音识别系统。论文的主要研究工作如下。首先，本文对语音识别系统中的关键技术进行了详细地介绍和分析，其中包括语音信号时域范围内的短时能量和过零率特性的研究方法、频域范围内的线性预测倒谱系数和Mel频率倒谱系数的提取算法。着重研究了双门限端点检测算法，提出了对短时能量和过零率求差分的能零差分检测算法，并对两种算法进行了仿真比较，证明了后者在算法检测的正确率和效率上都有了一定的改进；此外采用Mel频率倒谱系数与其一阶差分系数相结合的方法完成了语音信号特征参数的提取工作。其次，在语音识别算法方面，分析比较了动态时间规整、隐马尔可夫模型和人工神经网络算法的优缺点，其中，重点探讨了基于HMM模型的识别算法，研究了它的实现原理和局限性，并对其实际应用方法进行优化处理，利用K均值复合聚类算法进行参数重估、对Viterbi识别算法作对数处理，实验证明其提高了算法的运算效率和识别率，降低了对系统配置的要求，有更好的移植性。最后，将改进后的识别算法应用于以SPCE061A单片机为核心的硬件平台，分别对其硬件电路和软件程序进行了完整的设计，实现了一个具有使用价值的嵌入式语音识别系统，通过系统测试证明了该系统具有较好的可行性和实用性，根据实际应用的具体要求可以将其移植到车载终端系统、智能家居系统、门禁系统等场合。