近几年，随着电子计算机技术的飞速发展，语音技术广泛应用在数字通信、智能控制等领域。语音识别作为语音技术的一个研究方向不仅具有可观的市场价值，同时作为各门学科的综合也极具理论研究价值。本文以家电语音信号为识别对象，利用小波变换及支持向量机对语音识别技术进行了研究。主要研究内容和研究结果如下： 对语音识别技术的国内外发展史及研究现状进行了分析和总结，研究了语音识别系统的基本原理和技术。考虑到实际的语音识别应用环境不可能是完全安静的语音环境，为了提高语音识别系统的鲁棒性能，在研究小波变换基本理论的基础上，利用小波变换的多分辨率特性，将小波变换应用到语音信号消噪中，仿真结果验证了小波变换应用于信号消噪的可行性和有效性，其效果优于传统的信号消噪方法。 在分析提取传统的语音信号特征参数线性预测倒谱系数(LPCC)和美尔倒谱系数(MFCC)的基础上，重点研究了基于小波变换的特征提取方法，提出了一种结合小波系数和MFCC参数的特征参数提取方法。 介绍了蚁群算法的基本理论，利用蚁群算法具有不容易陷入局部最优解以及高并行性的特点，将蚁群算法用于语音特征参数的聚类，通过仿真实验证明了将蚁群算法用于参数聚类可以有效地减少语音特征参数的数据量，具有可行性。 分析了支持向量机的基本理论和支持向量机用于分类的优点，分析了将支持向量机用于解决多分类问题的两种算法，重点研究了支持向量机的分类学习算法以及改进算法。利用MATLAB的OSU_SVM3.00工具箱开发了一个基于支持向量机的分类实验平台，通过在该平台上实验证明了将支持向量机用于分类的可行性和有效性。 在建立家电语音库的基础上，提取了语音信号的MFCC特征参数和DWTMFCC特征参数，分别以MFCC参数、DWTMFCC参数和经过蚁群算法聚类后的DWTMFCC参数为特征参数，建立了基于支持向量机的语音识别系统，并进行了分类识别实验。实验仿真结果证明，采用以蚁群算法聚类后的DWTMFCC参数为语音特征参数的语音识别系统具有较好的识别效果，平均识别率达98％。 本研究为语音识别系统探索理论依据和提供技术支持，促进了我国智能家电的研究，对我国开展基于语音识别技术的智能家电产品的开发具有一定的参考价值，对促进语音识别的应用具有积极的意义。