识别流程是：预滤波、ADC、分帧、端点检测、预加重、加窗、特征提取、特征匹配。端点检测(VAD)采用短时幅度和短时过零率相结合。检测出有效语音后，根据人耳听觉感知特性,计算每帧语音的Mel频率倒谱系数(MFCC)。然后采用动态时间弯折(DTW)算法与特征模板相匹配,最终输出识别结果。先用Matlab对上述算法进行仿真，经多次试验得出算法中所需各系数的最优值。然后将算法移植到STM32嵌入式平台，移植过程中根据嵌入式平台存储空间相对较小、计算能力也相对较弱的实际情况，对算法进行优化。最终设计并制作出基于STM32的孤立词语音识别系统。

需要在pycharm安装百度aip, ffmpeg, pydub 的包，可识别mp3,wav,pcm, amr文件

matlab中对分帧端点检测后的语音信号进行梅尔特征参数提取，用matlab软件打开可直接使用

里面不包含数据集，可以看我的其他资源里有语音数据集

vad 端点检测

win7 32位语音识别

随着语音识别技术在智能家居领域的不断应用，如何得到性能更优的语音控制系统成为关键。针对目前市场上存在大量低识别率、实时性较差的语音控制开关的现状。本系统采用动态时间规整（DTW：Dynamic Time Warping）结合矢量量化（VQ：Vector Quantization）作为识别算法，实现了较好识别效果。实验结果表明，本系统离线识别率达到99%，实测识别率也达到97%，平均耗时只需15 ms。本系统在最小嵌入式系统板上实现对孤立词语音命令进行实时识别，体积更小、集成度更高；通过最小成本满足系统对实时性和便捷性的要求，并且具有很大的扩展空间。

基于MATLAB的语音识别，dtw算法

分帧，端点检测，mel倒谱

使用 Visual Studio 2010，这是一个有效的 .net 语音识别迷你应用程序。 （（ 样本 ））