语音作为人们交流的主要方式,是最直接也是最便捷的交互途径。语音识别技术经历过长足的发展,出现了一些较好的开源语音识别系统,包括HTK,Kaldi和Sphinx等。通过对不同的开源语音识别系统进行分析比较,本文选择以Sphinx为基础,研究提高语音识别率的算法及其实现方法。一般而言,语音识别系统包括声学模型、语言模型、字典构建和解码搜索四个模块,其中声学模型影响输入语音到基本声学单元的映射,是语音识别算法的关键模块,所以本文通过对声学模型训练算法的研究来提高语音识别算法的识别率。本文采用经典的GMM-HMM算法作为声学模型训练基础算法。为了设计出最优的命令词语音识别系统,针对算法的基本声学单元选取、HMM状态数和混合高斯模型数选取、增加MMIE区分性训练三个方面进行实验研究。首先研究了基本声学单元的选取对声学模型性能的影响,基于汉语命令词选取了三种不同的声学基本单元:音素、音节和词,实验证明,选取音素作为基本声学单元可以得到更高的语音识别率。然后研究了混合高斯模型数和隐马尔科夫状态数对声学模型性能的影响,实验证明,一味地增加高斯模型数并不能持续提升声学模型性能,且五状态的隐马尔科夫模型可以取得比三状态更好的语音识别率。最后增加了MMIE区分性训练模块,对得到的声学模型进行进一步优化训练,实验证明,对于不同的基线语音识别系统增加MMIE区分性训练都可以不同程度上提高语音识别准确率。在声学模型训练算法中,采用了混合高斯模型协方差矩阵存储语音信息,会导致部分语音信息丢失,从而影响语音识别系统的性能。针对此问题,本文改进并实现了基于混合协方差矩阵的声学模型训练算法。利用声学模型训练过程中,混合高斯模型协方差矩阵对于不同训练阶段的影响不同,以及不同形式的协方差矩阵的特点不同,提出了一种分阶段的混合协方差矩阵声学模型。在第一阶段训练上下文无关的CI模型时使用全协方差矩阵,在第二和第四阶段训练上下文相关的CD模型时进行矩阵转化,并给出了具体的矩阵转化策略。最后分别在汉语数据集和英语数据集下进行实验,实验证明,改进的混合协方差矩阵声学模型,在不显著增加训练时间复杂度的情况下,解决了训练过程中采用单一协方差矩阵时存在的语音信息表达遗漏的问题,有效的提高了语音识别率。在上述研究的基础上,本文设计并实现了实时汉语命令词语音识别系统。针对在实际应用中出现误将背景噪声识别成文本的问题,利用基于混合高斯模型的语音激活检测算法对语音信号进行前端处理,通过最大似然估计准则对语音存在性进行判断,提取语音信号并送入汉语命令词语音识别系统进行识别。经过测试,增加VAD后的实时语音识别系统的识别率得到了提高。