智能语音交互是目前人工智能领域研究的热点之一,越来越多的语音交互平台逐渐进入我们生活。语音交互包括语音识别和语义分析两个方面,本文也是基于这两个方面展开研究。在语音识别方面,本文先介绍了语音识别的总体框架,选择了语音识别算法中应用最广的隐马尔科夫模型,分析了其基本原理和语音识别的过程,随后阐述了利用HTK(Hidden Markov Model Toolkit)实现语音识别的详细流程,并进行实验和分析。在语义分析方面,本文先介绍了自然语言处理的相关理论,并利用卷积神经网络进行语义分析。传统的卷积神经网络是由线性卷积层和池化层顺序连接组成,能够对图像、语音和文本等数据进行特征提取。本文提出以跨通道级联卷积层替代传统线性卷积滤波器,对基本的卷积神经网络进行改进,并以情感分析和问题分类为例,对基于改进卷积神经网络的语义分析模型进行实验分析。实验表明,改进后的卷积神经网络在保证训练速度的情况下,识别效果优于传统的卷积神经网络,有较好的识别能力。除此之外,本文还设计了基于ARM的机器人语音交互系统。针对嵌入式系统运算能力和内存空间小的特点,语音识别模块和语义分析模块在PC端训练后再移植到ARM(Advanced RISC Machines)开发板中。