语音识别技术作为信息社会朝着智能化和自动化方向发展的关键技术之一，具有重要的研究意义和实用价值。经过近五十年的艰苦探索和研究，语音识别技术研究获得了极大的发展，其中有些比较成熟的技术已经逐步应用于日常生活中。但总体来说，语音识别在研究和实用方面的难度还比较大。　　 本文主要研究了支持向量机在语音识别中的应用。语音识别过程主要包括语音信号的预处理、特征提取、学习训练、语音识别几个部分。预处理部分采取小波理论对原始语音信号进行处理，以期达到符合特征提取条件的波形。语音识别重要的一环就是特征参数提取，这直接会影响语音识别的效果。本文采用经验模态分解算法(EMD)提取固有模态函数分量，经过傅立叶变换得到固有模态函数分量的频谱，并以主频谱值(最大值)为特征参数进行学习训练和预测。在语音识别阶段，支持向量机就表现出了其特有的优势。它不仅保证了得出的结果是全局最优解，而且最终解不依赖先验知识。　　 支持向量机理论的基本思想是构造一个超平面作为决策平面，使正负模式之间的间隔最大。而且，立足于结构风险最小化准则和运用核函数方法，较好的解决了模式分类器复杂性和推广性之间的矛盾。