语音识别技术作为方便、快捷的人机交互接口已应用发展到手持设备、语音导航、智能语音机器人、工业控制等多个领域。嵌入式技术的产生加速了语音指令识别技术从实验室走向市场的步伐,使得语音识别技术渗透到生活的各个方面,比如语音指令识别技术在智能家居中的应用研究。因此,进行嵌入式语音指令处理与识别方法的研究,具有重要的现实意义和广阔的应用前景。本文以嵌入式语音指令识别技术为研究内容,以提高语音指令识别系统的有效性和稳健性为目标,对嵌入式语音指令识别技术中的前端预处理和识别方法优化等关键问题展开研究。(1)针对嵌入式语音指令识别过程中的噪声干扰问题,研究了基于快速独立分量分析的语音增强去噪技术,对该算法的核心迭代过程进行改进,并给出了改进的快速独立分量分析方法。仿真实验表明,新方法加快了算法的收敛速度,迭代次数平均减少30%左右。(2)针对传统端点检测技术适应性差和在低信噪比下检测性能陡降的问题,研究了一种新的端点检测方法。该方法将功率谱熵和能量相结合的特征参数用于端点检测。仿真实验显示:在平稳噪声(white噪声)下,新方法的检测正确率比基于频谱熵的端点检测方法提高了7%左右;在非平稳噪声(pink噪声)下,提高了5%左右。(3)研究了小波神经网络在语音指令识别中的应用,并给出一种改进的网络训练方法。实验结果表明,改进方法充分利用了样本信息,减少了系统的训练时间,提高了系统识别率。(4)研究了Linux系统在嵌入式语音指令识别系统中的应用,并采用松弛起止点的动态时间规整技术,运用跨平台的图形界面开发工具Qt实现了面向家居环境的语音指令识别系统。