小词汇量语音识别系统是指词汇量在100字以内的语音识别系统。在语音拨号电话、家电遥控、工业控制等领域，小词汇量语音识别都有着广泛的应用，具有重要的实用价值。实现高识别率的小词汇量语音识别系统并不困难，但如何解决识别率和系统复杂度的关系，是目前这一研究领域中最重要的课题之一。 本文系统的研究了组成小词汇量语音识别系统的各种技术，并在此基础上提出了一个小词汇量语音识别系统的实现方案。本文主要完成了下列工作： (1)以分帧处理思想改进了端点检测方法，在采样期间可以进行特征提取和矢量量化，提高了系统的实时性： (2)采用单边自相关序列代替原始语音序列，提高了线性预测倒谱参数的抗噪性能； (3)用近邻划分的方法进行矢量量化，降低了识别过程的计算量； (4)着眼于定点DSP处理特性，对离散马尔可夫模型的训练和识别过程提出了一 些改进方案，减少了存储量和运算量。具体方法有：用加权合并的方法对多训练序列Baum-Welch重估公式优化，用增加指数位的方法解决前后向概率递推过程中的下溢问题，以及结合Viterbi-Beam和Viterbi-Window两种剪枝算法的思路进行Viterbi判分； (5)就系统的每个关键参数进行实验和分析，给出了小词汇量语音识别系统的实现方案，取得了识别率和复杂度较为均衡的结果。 本文的仿真系统最终性能为：孤立词特定人识别率93.0％，连续语音特定人识别率80.5％。