語音識別技術(shù)是語音處理領(lǐng)域的一個(gè)關(guān)鍵技術(shù)。語音識別技術(shù)就是讓機(jī)器通過識別和理解把語音信號轉(zhuǎn)變?yōu)橄鄳?yīng)的文本或命令的技術(shù)，近年來基于PC 平臺的非特定人，大詞匯量，連續(xù)語音的識別技術(shù)已經(jīng)基本發(fā)展成熟。隨著集成電路尤其是超大規(guī)模集成電路的快速發(fā)展，嵌入式的功能越來越強(qiáng)大，語音識別技術(shù)在嵌入式系統(tǒng)上的應(yīng)用成為了可能，嵌入式語音識別技術(shù)己經(jīng)成為了語音識別領(lǐng)域發(fā)展新的重要方向。

語音識別系統(tǒng)的設(shè)計(jì)包括：1、采集語音信號，實(shí)時(shí)處理與傳輸。2、進(jìn)行語音識別前的預(yù)處理，包括：噪聲抑制、語音端點(diǎn)檢測、特 征提取、樣本分類和分類器的訓(xùn)練。3、語音識別，包括：解碼、詞典構(gòu)建和識別工作，以及基于HMMGMM的語音識別。4、結(jié)果處理，將輸出結(jié)果中的語音合成為文字，以便易于理解。 5、數(shù)據(jù)建模：將獲取的語音信號轉(zhuǎn)換為形式化格式，以便后續(xù)處理。6、自 然語言處理：將輸入的語音信號轉(zhuǎn)換為機(jī)器可以理解的語義表征，以便實(shí)現(xiàn)機(jī)器人應(yīng)用。7、評估算法：評 估模型和算法的表現(xiàn)，以便優(yōu)化系統(tǒng)性能。8、應(yīng)用開發(fā)：為不同的應(yīng)用場景提供開發(fā)支持，使語音識別系 統(tǒng)能夠更好的工作。

目前具有代表性的語音識別方法主要有動態(tài)時(shí)間規(guī)整技術(shù)(DTW)、隱馬爾可夫模型(HMM)、矢量量化(VQ)、人工神經(jīng)網(wǎng)絡(luò)(ANN)、支持向量機(jī)(SVM)等方法。動態(tài)時(shí)間規(guī)整算法(Dynamic Time Warping，DTW)是在非特定人語音識別中一種簡單有效的方法，該算法基于動態(tài)規(guī)劃的思想，解決了發(fā)音長短不一的模板匹配問題，是語音識別技術(shù)中出 現(xiàn)較早、較常用的一種算法。隱馬爾可夫模型(HMM)是語音信號處理中的一種統(tǒng)計(jì)模型，是由Markov鏈 演變來的，所以它是基于參數(shù)模型的統(tǒng)計(jì)識別方法。矢量量化(Vector Quantization)是一種重要的信號壓縮方法。與HMM相比，矢量量化主要適用于小詞匯量、孤立詞的語音識別中。

語音識別系統(tǒng)可以根據(jù)對輸入語音的限制加以分類。如果從說話者與識別系統(tǒng)的相關(guān)性考慮，可以將識別系統(tǒng)分為三類：(1)特定人語音識別系統(tǒng)。僅考慮對于專人的話音 進(jìn)行識別。(2)非特定人語音系統(tǒng)。識別的語音與人無關(guān)，通常要用大量不同人的語音數(shù)據(jù)庫對識別系統(tǒng)進(jìn)行學(xué)習(xí)。(3)多人的識別系統(tǒng)。通常能識別一組人的 語音，或者成為特定組語音識別系統(tǒng)，該系統(tǒng)僅要求對要識別的那組人的語音進(jìn)行訓(xùn)練。

如果從說話的方式考慮，也可以將識別系統(tǒng)分為三類：(1)孤立詞語音識別系統(tǒng)。孤立詞識別系統(tǒng)要求輸入每個(gè)詞后要停頓。(2)連接詞語音識別系統(tǒng)。連接詞輸入系統(tǒng)要求對每個(gè)詞都清楚發(fā)音，一些連音現(xiàn)象開始出現(xiàn)。(3)連續(xù)語音識別系統(tǒng)。連續(xù)語音輸入是自然流利的連續(xù)語音輸入，大量連音和變音會出現(xiàn)。

語音識別技術(shù)一般僅限于特定人語音識別的實(shí)現(xiàn)，即需要讓使用者對所識別的詞條先進(jìn)行學(xué)習(xí)或訓(xùn)練這一類識別功能對語種、方言和詞條沒有限制。有的芯片也能夠?qū)崿F(xiàn)非特定人語音識別，即預(yù)先將所要識別的語句碼本訓(xùn)練好而裝入芯片，用戶使用時(shí)不需要再進(jìn)行學(xué)習(xí)而直接應(yīng)用。但這一類識別功能只適用于規(guī)定的語種和方言，而且所識別的語句只限于預(yù)先已訓(xùn)練好的語句。由此芯片組成一個(gè)完整的語音識別系統(tǒng)。因此，除了語音識別功能以外，為了有一個(gè)好的人機(jī)界面和識別正確與否的驗(yàn)證，該系統(tǒng)還必須具備語音提示(語音合成)及語音回放(語音編解碼記錄)功能。多為實(shí)時(shí)系統(tǒng)，即當(dāng)用戶說完待識別的詞條后，系統(tǒng)立即完成識別功能并有所回應(yīng)，這就對電路的運(yùn)算速度有較高的要求。除了要求有盡可能好的識別性能外，還要求體積盡可能小、可靠性高、耗電省、價(jià)錢低等特點(diǎn)。