语音识别技术具有重要的理论价值和广阔的应用前景,近年来受到了人们的广泛重视。随着电子计算机和人工智能的不断进步与发展,人们越来越希望让机器能够理解人类的自然语言,这种需求使得语音识别技术有着十分广阔的发展前景。一直以来,语音识别研究大部分以线性系统理论为基础,主要包括应矢量量化(VQ)、动态时间规整(DTW)与隐马尔可夫模型(HMM)等技术。然而,人的发音实际上是一个复杂的非线性过程,基于线性系统理论的语音识别方法的局限性渐渐显示了出来。语音识别技术若要取得突破,就必须引入非线性理论的方法。近年来,人工神经网络(ANN)等非线性理论研究和应用的逐渐深入,将这些理论应用于语音识别成为可能。本文研究了基于神经网络的语音识别,对语音识别的预处理、特征提取与识别算法等技术进行了计算验证、性能分析和比较,设计并开发了基于BP神经网络的软件实验平台,提出了以不同比例对MFCC与LPCC参数进行混合的方法来训练模型,实验表明该方法具有更好的识别率。本文在WinCE嵌入式平台上对该识别模型进行了实现,并做了性能改进,测试结果表明,该嵌入式应用可以对数字0至9的特定人发音达到88.4%的正确识别率。