語音識別的具體實(shí)現(xiàn)過程為：數(shù)字語音信號通過預(yù)處理和特征向量的提取，用戶通過按鍵選擇學(xué)習(xí)或者識別模式；如果程序進(jìn)入訓(xùn)練過程，即用戶選擇進(jìn)行新詞條的學(xué)習(xí)，則用分段K均值法對數(shù)據(jù)進(jìn)行訓(xùn)練得到模板；如果進(jìn)入識別模式，則從Flash中調(diào)出聲音特征向量，進(jìn)行HMM算法識別。在識別出結(jié)果后，立即將識別結(jié)果作為正確結(jié)果與前一次的狀態(tài)做比較，得到本詞條更好的模板，同時通過LED數(shù)字顯示和語音輸出結(jié)果。系統(tǒng)軟件流程如圖2所示。

　　對采集到的語音進(jìn)行16kHz、12位量化，并對數(shù)字語音信號進(jìn)行預(yù)加重：

　　L選擇為320個點(diǎn)，用短時平均能量和平均過零率判斷起始點(diǎn)，去除不必要的信息。

　　對數(shù)據(jù)進(jìn)行FFT運(yùn)算，得到能量譜，通過24通道的帶通濾波輸出X（k），然后再通過DCT運(yùn)算，提取12個MFCC系數(shù)和一階二階對數(shù)能量，提取38個參數(shù)可以使系統(tǒng)識別率得到提高。

　　為了進(jìn)行連接詞識別，需要由訓(xùn)練數(shù)據(jù)得到單個詞條的模型。方法為：首先從連接詞中分離出每個孤立的詞條，然后再進(jìn)行孤立詞條的模型訓(xùn)練。對于本系統(tǒng)不定長詞條的情況，每個詞條需要有一套初始的模型參數(shù)，然后按照分層構(gòu)筑的HMM算法將所有詞串分成孤立的詞條。對每個詞條進(jìn)行參數(shù)的重估，判斷是否收斂。如果差異小于某個域值就判斷為收斂；否則將得到的參數(shù)作為新的初始參數(shù)再進(jìn)行重估，直到收斂。