本论文的主要工作通过对语音识别系统的研究,发现语音识别系统不能够达到实时处理的困难：特征提取模块的算法复杂,并且计算量非常大,所以占用了大量的系统时间,硬件实现占用了很多硬件资源。传统的语音识别系统受到特征向量分析理论的限制,待测语音要和模板库中的语音要进行逐一比对,效率低。本文首先我采用了新的特征向量提取算法：对语音信号特点的分析和研究,提取语音信号的极值和语音信号极值对应的位置,得到了语音信号包络的特征向量。并且通过对语音信号包络特征的研究和分析,对特征向量进一步改进,降低了系统的硬件复杂度和减少了系统的运算量,增强了包络特征抗噪声能力。其次根据包络特征向量的特点,提出了对语音系统的结构调整,加入了语音预判断模块。语音的预判断模块在语音包络特征向量的基础上,根据语音信号的波形,分别提取出前后两部分的最大值,以及它们相应的位置。通过预判断,能够进一步的缩小相似语音的范围,而达到了提高系统工作效率的目的。并且通过软件和硬件的仿真,实现了语音识别的功能。最后和以线性预测为特征向量的传统的语音识别系统进行了比较：占用硬件资源降低到40%,单个语音的存储空间有4～7Kbit降低到3Kbit,通过大量的实验语音识别率达到84.5%。