语言作为人类最重要最自然的交流工具,是人类获得信息的重要来源之一,让计算机能“听懂”人类的语言,也是人与计算机之间进行沟通最为方便的形式之一。语音识别技术就是让机器通过识别和理解这个过程,把语音信号转变成为相对应的文本或者是命令的一种高科技技术。经过这些年的发展,在语音识别等方面已经有了长足的发展,并且显示出其巨大的市场潜能。语音识别的模版匹配目前主要有3种方式：动态时间规整法(DTW)、隐马尔科夫模型(HMM)和人工神经网络。其中动态时间规整法主要适用于小词汇量的特定人孤立词的识别,其系统识别性能过分依赖于端点检测,且动态规划的计算量太大；隐马尔科夫模型适用于较大词汇的特定或非特定人连续语音的识别；人工神经网络相较于前两种方法又太过复杂。本文所选用的语音识别方法是基于隐马尔科夫模型的模版匹配方法。嵌入式的语音识别应用越来越受到广泛的关注,称为语音识别领域新的研究方向。在此基础上,本课题进行了基于嵌入式的语音识别系统的研究。论文分别从理论分析,语音识别模型的建立,系统的仿真以及调试等方面来说明语音识别在ARM上的实现过程。其中具体分析了隐马尔科夫模型(HMM)的建立,包括语音信号的预处理、端点检测、特征参数的提取和模版匹配等,并根据HMM所存在的问题,对HMM进行了部分改进。然后在基于以上方面,在MATLAB软件上对语音识别系统进行了仿真,然后在ARM上进行仿真。最后,本文采用隐马尔科夫模型,完成了语音信号的模版训练和语音识别任务。经过试验,该系统能够有效的完成预期的语音识别任务。