语音识别是一个复杂的非线性过程，基于线性系统理论的语音识别方法如隐马尔可夫(HMM)模型等技术的局限性逐渐凸现。随着人工神经网络的非线性理论研究和应用的逐渐深入，基于ANN的语音识别方法，逐渐成为研究焦点。 本文主要研究了自组织神经网络(SOM)的原理及在语音识别中的应用，研究构造了相应的语音识别模型与算法，并完成了基于MATLAB7.0实验软件平台的程序设计与开发。 本文还介绍了语音信号分析方法中的线性预测编码技术和滤波器组分析方法，并推导了LPC系数、LPCC系数和MFCC系数。分析讨论了语音识别研究中，自组织神经网络的设计原则以及不同的特征参数等方面对语音识别结果的影响。提出了一种加强训练方法，有效地改进了自组织神经网络的语音识别性能。实验结果表明，基于自组织神经网络的语音识别方法有着较好的识别性能和应用优势。针对非特定人的孤立词识别，识别率可以达到95％以上。