语音识别系统的研究虽然已经持续了近50年,但是现有的语音识别系统仍有耗时、成本高、抗噪声能力差适用范围狭窄等缺点。而实际的语音识别系统要求在复杂的生活噪声环境下实现实时且准确率高的语音识别。因此,发展端点检测算法以及快速识别算法成为了语音识别研究中的重要课题。本文研究了基于小波包变换和高价累积量的语音端点检测以及基于自适应免疫克隆神经网络的语音识别算法研究,主要工作如下:首先,阐述了语音识别的基本步骤,对语音识别的发展现状进行了综述,并叙述了预处理、特征提取、识别和训练的基础知识。其次,基于传统端点检测算法固有的鲁棒性差的缺点,设计了一种小波包和高阶累积量的改进端点检测算法,克服了基于小波变换的语音端点检测算法抗噪声能力弱以及对语音信号高频部分处理能力不足的缺陷,实验结果表明,此算法提升了语音端点检测的检测精确性。之后,针对传统免疫神经网络语音识别系统识别精度不够理想和鲁棒性弱,提出了基于自适应变异概率的免疫克隆神经网络算法。针对非特定人孤立词实时识别任务,设计了基于此算法的语音识别系统,以提高语音识别的识别精度。实验结果表明,基于此算法的语音识别系统有着更高的识别精度和鲁棒性。最后,对本文所做的工作进行了总结,并指出有待进一步研究的方向。