语音特征参数提取是影响语音识别系统的关键技术之一,近年来结合听觉特性的语音特征参数提取是语音识别领域的研究热点。而随着物联网技术的广泛推广,设计并实现面向应用的语音识别系统引起越来越多科研人员的关注。本文在综述了语音识别技术中语音特征参数提取的研究发展及其在物联网应用的基础上,实现了一种基于听觉模型的特征参数：耳蜗基底膜倒谱系数(CFCC),并将其应用于物联网重要分支智能家居系统中,以实现非特定人、语音交互的智能家居系统。本文的主要工作如下：首先,研究基于听觉模型的CFCC,介绍其数学定义、实现方法,并在MATLAB环境下进行仿真研究。仿真实验中还提取了MFCC和GFCC,和CFCC进行对比试验,实验室安静环境下录制的音频测试文件信噪比高,所有特征参数的识别率都可以达到90%以上,对该音频文件添加白噪声,令信噪比为6dB时,MFCC的识别率下降为67.5%,GFCC和CFCC的稍有下降,分别为86.8%和90.4%。当信噪比为0dB时,MFCC的识别率下降到20%以下,GFCC和CFCC的亦有下降趋势,分别为45.0%和65.2%,但CFCC的表现要优于GFCC和MFCC。实验说明CFCC具有更好的抗噪性。然后,将CFCC整合到Sphinx语音识别系统中,以替换其默认的特征参数MFCC实现基于CFCC的语音识别系统,并将该系统移植到嵌入式开发平台。其中,嵌入式开发平台以OMAP3530为核心处理控制芯片,搭载嵌入式Linux操作系统,并添加了QT图形界面库、ALSA音频库、NRF24L01无线模块及驱动等支持,有效保证语音识别系统实现。最后将实现的基于CFCC的语音识别系统,应用到物联网分支智能家居系统中。该系统将用户从传统的利用手和眼的交互方式解放出来,可以在不固定的地点,不中断用户当前行为的情况下利用语音信号以非接触方式完成对智能家居系统的操作。