随着人工智能技术的快速发展,语音识别技术成为人与机器对话的关键。非特定人的语音识别技术一直是人们研究的重点之一。目前该研究依然存在很多困难,比如语音特征值提取不准确、低信噪条件下的检测正确率不高等。本文针对非特定人语音识别的特征值提取环节进行深入研究,并提出两种特征值提取的改进算法。语音识别的基本流程可以分为:语音信号预处理、特征参数提取及语音模型的训练与识别三个步骤。首先,本文对近年来语音识别的发展历史和关键技术进行详细阐述与分析。其次,针对基音周期提取算法在低信噪比条件下检测效果不好的问题,提出一种基于提升小波加权线性预测自相关函数的基音检测算法。实验结果表明,在不同信噪比条件下,该算法检测准确率和鲁棒性都优于其他算法。最后,针对梅尔频率倒谱系数和线性预测倒谱系数各自的缺陷,提出一种基于经验模式分解的MFCC融合基音周期的特征提取算法。实验结果表明,与传统倒谱型特征参数及相应改进算法相比,本文的特征提取算法能包含更多语义信息,使得各个语音词语的特征参数分辨度更高。本文在MATLAB平台下搭建一套基于隐马尔科夫识别模型的非特定人语音识别系统。将本文改进算法的识别结果与其他特征参数提取算法的识别结果进行对比,突出其识别性能。最后,根据应用需求进行人机交互界面的设计,完善系统性能。