作为一个交叉学科,语音识别技术与许多学科的研究领域都有联系,这些领域的科研成果也成为推进语音识别技术发展的重要因素。当前,语音识别技术已经得到广泛应用。它正在家电产品、智能玩具、商业系统的数据库语音查询、工业生产部门的语声控制、电话与电信系统的自动拨号等领域发挥着重要作用,并且极有可能成为下一代操作系统的用户界面。虽然语音识别技术已经取得了一些成就,但是,由于语音信号的多样性和复杂性,目前的语音识别效率还有待提高,因而开发高效率语音识别模型和算法成为语音识别研究中的一个重要课题。本文分别对语音识别技术中的预处理、特征提取和模式识别进行了细致的研究,其主要内容有：1.对于现有的语音识别系统模型进行研究,探讨了语音识别系统预处理、特征提取和模式识别等几个方面的理论,并根据论文中实验系统的需要,选择合适的参数以及信号处理方法,建立语音识别系统。2.在对特征提取理论研究的基础上,提出了基于混合特征参数的语音识别方法。在实验中,分析讨论了混合参数的合成阶数比例对语音识别系统识别率的影响。3.在对文中列出的语音识别技术分析讨论的基础上,本文在Matlab环境下实现了整个语音识别系统的仿真,并且分别建立了基于LPCC参数、MFCC参数和混合参数的三种语音识别系统。在此基础上,分析了特征参数的不同对于语音识别系统识别率的影响。通过对上述仿真实验的数据分析,得出以下结论,混合特征参数具有较好的语音信号描述能力；使用混合特征参数建立的语音识别系统与分别使用LPCC参数和MFCC参数建立的语音识别系统相比较,具有系统识别率高的优点。