近年来,嵌入式系统的语音识别系统已经广泛应用到智能家居、工业控制、移动终端等领域,正改变着人们的生活。由于语言交流是人们之间最自然的交流方式,基于语音识别的人机交互的嵌入式系统越来越成为研究的热点。然而,现有的语音识别系统或具有很高的CPU使用率,不能完成其它任务;或具有很大的体积,难以在嵌入式系统使用;或网络依赖性太高,在无网络条件下仅能完成有限词汇量的识别。为了解决这些问题,在嵌入式语音识别方面还需要对系统结构进行深入的研究。本文提出基于可重构的片上语音识别系统,在一定程度上有效缓解了上述矛盾。所作的主要工作如下:首先,本文研究了语音信号的信号处理。从信号处理的角度,讨论了在语音识别过程中用到关键技术的原理。这包括预加重、端点检测、特征提取等技术。其次,本文介绍了隐马尔可夫模型的基本原理以及高斯混合模型的基本原理。通过对隐马尔可夫模型的三个问题的论述,特别是高斯混合模型表示的隐马尔可夫模型的B参数的详细论述,解决了语音识别系统的训练及识别的原理问题。再次,本文以ZYNQ7000作为SOC设计平台,构建了嵌入式非特定人孤立词语音识别系统。在对ZYNQ7000的可重构性研究的基础上,本文一方面在前有的PC端训练软件的基础上,进一步将识别模型改进为基于高斯混合模型的隐马尔可夫模型(GMM-HMM),形成系统验证平台,为识别系统提供识别模板和硬件测试数据。这包括对训练和识别算法的研究及实现。还包括将系统中间数据转换成易于硬件测试的格式。另一方面,将识别算法移植到ZYNQ7000平台,实现了片上语音识别系统的构建。这包括通过对识别流程的评估,完成对识别系统进行了软硬件划分,并且完成对语音识别的关键算法作了适合硬件特性的改进。这还包括对关键计算单元的硬件重构,通过硬件逻辑实现数字信号处理中的常见算法。在本文中,主要研究了MFCC计算单元的重构。最后,通过对系统的识别率和实时性的测试,阐述了采用可重构片上语音识别系统优势以及对将来工作的展望。