语音识别技术具有广阔的应用与发展前景,随着智能时代的到来,语音识别技术广泛受到人们的重视。计算机与智能机的不断发展与应用,智能计算技术的日趋完善与进步,人们越来越渴求计算机能与人类进行畅通无阻的交流,这使语音信号处理技术发展前景和应用空间变得更加广阔。英语等符号语言的识别技术已经发展成熟,而普通话的识别技术才开始起步。长时间以来,语音识别技术的研究大半集中在矢量量化模型VQ、动态时间规整模型DTW、隐马尔科夫模型HMM等以线性理论为基础,而人的发声系统是一个很复杂的非线性系统,传统的基于线性模型的语音识别技术受到了限制。人工神经网络模型等非线性模型逐渐成为当今语音识别技今研究的热点。本文系统研究了语音信号处理及其语音信号识别的理论与方法,并提出普通话音节音素定位与识别的研究思路,即从语音信号预处理开始,之后进行语音信号的特征提取、声门闭合瞬间检测、对语音的U/V/S分段、声调的识别辨认,以及引入英文音素识别方法和BP神经网络模型对音节音素进行分类识别,并且提供了各个环节的具体实现方案。完成了基于Matlab平台普通话音节音素定位与识别系统的设计与开发,并对实验结果进行模拟仿真。分析了MFCC、LPC、LPCC参数对普通话音节音素识别的影响,实验表明LPCC参数在进行音节音素分割定位与识别时更优于MFCC参数。基于LPCC特征参数BP人工神经网络的模型对于普通话音节音素的识别取得了较好的效果。