随着语音识别效果的逐步提高,语音输入输出正逐步成为人机交互的一种重要方式。这种交互方式对语音识别技术和识别系统提出了更高的要求,尤其在系统的便捷性,实时性和可移植性等方面。因此,在嵌入式系统中实现一个能识别较大词汇量,具有较好实时性,并且具有足够高的识别率的语音识别系统,具有很高的理论研究及实用价值。　　 本文首先分析语音识别技术研究的发展背景及国内外研究现状,并对本研究的背景项目所要求的各项技术指标进行介绍和分析。在深入研究语音识别过程中各关键模块,包括语音预处理,特征提取,关键识别算法及决策等的基础上,对各模块的重点技术进行研究。在语音预处理模块中,重点对预加重、分帧、加窗、端点检测的各种算法进行分析,通过实验比较各种算法的优劣；在特征提取模块中,通过分析LPCC参数和MFCC参数的实现原理和差异,结合背景项目的要求,阐述选用LPCC参数的因为。　　 在对核心识别算法的研究中,本论文分别对三种经典的语音识别算法-动态时间规整算法(DTW)、隐马尔科夫模型(HMM)和人工神经网络算法(ANN)的算法思想和识别原理进行分析,并在传统的DTW算法基础上,对算法进行了简化改进,从而减少了算法的运算量,实现了程序效率的提高。围绕改进的DTW算法,提出一种新的匹配方法-二次匹配法,通过改变匹配流程,使用LPCC参数与改进DTW算法的组合,实现了大词汇量的语音识别系统的设计,系统的识别率能够保持在80％以上,达到背景项目的具体要求。　　 本文在对现有的嵌入式操作系统深入研究的基础上,选用可移植性较好的嵌入式Windows CE操作系统,成功地在以ARM11为核心的开发板上定制和移植了Windows CE6.0操作系统,通过跨平台的软件开发,成功在搭建好的嵌入式开发平台上实现了大词汇的语音识别系统。实验结果表明,通过对系统的改进,在嵌入式中能够实现一个具有识别率较高,实时性较好的大词汇量语音识别系统。