语音识别是通过人类说话声音的各种特征，来辨别人类自然语音的语义，或者用来辨别说话人是谁等。随着语音识别系统的发展，语音识别技术被广泛应用到医疗、军事、航空、移动互联网等领域。近年来，随着各项技术的不断突破，嵌入式语音识别系统发展得很快，已经在许多消费电子类产品中出现，它深刻地改变了传统的人机交互模式。识别准确率和鲁棒性是语音识别系统的关键，本文主要从这两个角度来研究孤立词语音识别系统的基本算法和OOV拒识算法的实现，以及系统在DSP平台上的实现。首先，本文对语音识别系统中基本原理和实现技术进行了详细的描述，主要讨论了语音信号的前端处理，前端处理的重点是端点检测，提取语音特征参数。然后论述了语音模型的建立与实现，并重点讨论了HMM的初始化以及如何合并模板参数。其次，语音识别系统的识别结果总是难以避免误识，这会严重影响到系统的鲁棒性和识别准确率，所以需要拒识OOV语音。考虑到在嵌入式平台上系统实现的复杂性和成本，本文选择了基于后验概率特征和LVQ的拒识算法来完成拒识，并提出了用于拒识的特征参数，这几个特征参数能比较好地诠释OOV与IV在后验概率上的不同之处。将类标签和特征参数组成的向量作为输入向量，输入到LVQ网络进行训练，使得LVQ网络具有区分OOV和IV两个类的能力。最后通过不同输入向量训练的网络以及不同的测试集合来测试系统的拒识能力，并给出系统在不同情况下的IV拒绝率及OOV接受率。结果表明，系统在拒绝约2.6%的IV语音的同时，可以拒绝98%以上的OOV语音。最后，在系统相关的算法在PC平台上实现后，研究了孤立词语音识别系统在DSP平台上的实现。首先研究了DSP平台的处理器架构、存储器架构、DSP内部各个芯片之间的连接以及各接口的设置，并特别详细阐述了音频处理芯片的使用方法。然后给出了系统软件的设计流程，并描述了语音识别算法如何从PC平台移植到DSP平台。接着，研究了系统的自举，使得系统能在脱离仿真器和开发环境的情况下运行。最终建立了一套基于DSP的通用孤立词语音识别系统。