语言是人类之间交流信息的主要手段之一，自电脑发明以来，人们就一直致力于使电脑能够理解自然语言。语音识别技术是集声学、语音学、语言学、计算机、信息处理和人工智能等诸领域的一项综合技术，应用需求十分广阔，长期以来一直是人们研究的热点。 神经网络是在现代科学研究成果的基础上提出来的模拟人脑结构机制的一门新兴科学，它不是人脑真实的全面描述，而是这类生物神经网络的抽象、模拟和简化，其目的在于探索人脑的信息加工、存储和搜索机制，从而为人工智能和信息处理等学科的研究开辟新途径。人工神经网络就是采用物理可实现的系统来模拟人脑神经细胞的结构和功能的系统，它模拟了人类神经元活动的原理，具有自学习、联想、对比、推理和概括能力，为很好地解决语音识别这样一个复杂的模式分类问题提供了新的途径。本文对语音信号的预处理、特征提取、以及神经网络模型的建立，都进行了较深入的研究。所作的主要工作如下： 1.对国内外语音识别和神经网络技术发展状况作了较全面的总结分析，对语音识别技术的分类、语音识别系统的构成、语音信号的预处理、语音信号特征提取等关键环节的技术问题进行了深入的理论分析。 2.在深入理解传统语音识别基本原理的基础上，做了适当的改进，详细的给出了语音识别的模型和关键技术，其重要的技术是端点检测和特征提取。尤其是在传统的DTW语音模式匹配的基础上，通过对搜索宽度限制和整体路径约束等方法，使得系统能够实现快速的识别响应，有效的提高系统的识别率和响应速度。 3.针对汉语数字语音的识别问题，建立了一个神经网络模型。将对汉语数字语音的识别转化为分类问题，采用神经网络模型作为分类器，并在Matlab环境下进行了相关的仿真实验。实验结果表明，神经网络在进行元音识别的时候具有不错的识别率。