语音识别是语音链的一环,其最终目的是使计算机听懂任何人、任何内容的讲话。语音识别技术作为一门交叉学科,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得到了非常广泛的应用。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:为了研究语音识别与何种参数相关,本文做了相关的特征提取实验,将现有的时域特征、频域特征及时频域特征进行对比分析,发现时频域特征才是语音识别的特征关键,通过对时频谱的简化,得到了一个新的语音时频特征——过零谱,再经由大量实验证明,过零谱是一种可以实现简单且识别效率高的语音特征函数。针对现有的语音识别模型虽精确度高但是计算复杂的特点,提出了一种高识别率,低复杂度的语音识别模型——基于希尔伯特空间的超球覆盖识别算法,该算法不用做FFT。通过反复实验,可知该算法在算法复杂度上低于传统的语音识别算法,而在语音识别的准确率上不低于传统的语音识别算法。本文通过提出了一种新的特征提取方法,并用基于希尔伯特空间的超球覆盖识别算法进行识别,经在MATLAB上进行仿真,得到的结果表明该算法运行速度快,识别率高。本文的研究主要应用于低速率嵌入式系统中,当前语音识别算法相对较复杂,导致了语音芯片昂贵,今后将继续朝着语音识别实时、准确和语音识别系统价格低廉的方向努力,这样才能使语音识别更有应用价值,尤其是在物联网和智能家居上。