端点检测算法采用现阶段比较精确的时频方差检测法，模式识别和模板匹配采用的是改进后的DTW算法（主要是限定了DTW的搜索路径，进一步精确了DTW的平行四边形的形状，进一步的减少匹配中的参数存贮量以及多余的搜索路径）。

：建立了一个基于HMM 算法的非特定人语音识别系统，阐述了具体实现过程，包括预处理、特征参数的提取及模板的匹配-: The establishment of a non-specific algorithm based on HMM Speech Recognition System, describes a specific implementation process, including preprocessing, feature extraction and template para

先用端点检测将语音中有用的语音部分提取出来（即将头部和尾部的静音部分除掉），然后用LPC算法提取语音信号的特征参数，进行动态归整(DTW算法)后与模板库里面的标准语音作比较，最后将识别结果进行D/A转化后播放出来。在本部分的设计中，则主要完成语音识别的模式匹配算法部分的软件实现。 -First with the endpoint detection of speech to voice some of the useful extracted from the (soon to mute som

在孤立词语音识别中，最为简单有效的方法是采用DTW（Dynamic Time Warping，动态时间归整）算法，该算法基于动态规划（DP）的思想，解决了发音长短不一的模板匹配问题，是语音识别中出现较早、较为经典的一种算法，用于孤立词识别。HMM算法在训练阶段需要提供大量的语音数据，通过反复计算才能得到模型参数，而DTW算法的训练中几乎不需要额外的计算。所以在孤立词语音识别中，DTW算法仍然得到广泛的应用。-In isolated word speech recognition, the mos