伴随着现代科学与计算机技术的发展,人与机器的信息交流越来越受到人们的关注,而语音识别作为人机交流的方式有着广阔的应用前景,语音识别技术也成为现代计算机技术研究和发展的重要领域之一。由于语音信号的多样性和复杂性,目前的语音识别效率也不是很高。因而发展高效率的语音模型和算法成为语音识别研究的一个重要课题。人的发音实际上是一个复杂的非线性过程,基于线性系统理论的语音识别方法的局限性渐渐显示了出来。语音识别技术若要取得突破,就必须引入非线性理论的方法。近年来,人工神经网络(ANN)等非线性理论研究和应用的逐渐深入,将这些理论应用于语音识别成为可能。本文主要针对神经网络技术在语音识别系统中的应用来进行研究的。本文首先对语音信号的基本原理作了一些阐述,提取了三个有效特征参数——LPC系数、LPC倒谱系数和Mel频率倒谱系数(MFCC);其次叙述了语音识别的模式匹配及其模型训练技术;再次讨论了神经网络在语音识别中的应用,分析了基于神经网络的模型训练和识别算法,对传统的神经网络学习算法和改进后BP神经网络的算法进行了分析,并提出改进后神经网络在语音识别应用中的网络结构,最后通过对仿真实验的分析,得知采用MFCC与LPCC混合参数作为特征参数比其它几种特征参数识别率要高,因此优化后的BP神经网络语音识别系统,性能得到改进,还缩短了训练时间,为将来移植到嵌入式系统中打下了良好的基础。