语音识别技术，经过了近半个世纪的发展，已经越来越成熟，内容也越来越丰富，然而无论人们在为让机器听懂并理解人类语言方面花了多大的努力，人们距离让机器能够理解任何人口述任何内容的目标还很远。与连续自然语音识别的应用难度不同，以孤立词识别为基础的语音指令识别系统已经开始走向实用化，而且应用也越来越广泛。本文就语音指令识别系统的基本原理与方法进行了详细的分析和讨论，并对具体应用中的一部分技术细节进行了探讨。 本文首先对语音指令识别系统作了整体介绍，介绍了个部分的主要功能，并简要比较了语音识别的基本方法。 本文重点讨论的第一个问题是基于滤波器组、付立叶变换、线性预测编码的六种通常的语音识别系统中所采用的频谱分析方法，以及频谱整形，参数平滑和矢量量化技术，基于短时时间帧的分析，并包含了参数归一化。通过频谱分析，我们把原始的语音信号信息量进行了压缩，用一组参数构成特征矢量，为后面的识别决策做好数据准备。 接着在频谱分析的基础上，本文重点讨论了滤波器组分析方法。文章介绍了用于数字滤波器设计的MATLAB软件中的Sptool工具；讨论了基于mel与Bark尺度的滤波器组的通带划分；比较了FIR和IIR滤波器的特点，以及实际设计当中滤波器选型和个数的确定；另外，还讨论了所采用的特征，窗函数的比较和设计，帧重叠技术以及在特征提取中的影响；最后，分析了软件缓冲问题，硬件实现时的A/D转换问题。 模式比较技术是本文讨论的另一个重点。在这一部分中，主要讨论了语音端点检测，即如何从录制的声音流里检测语音信号的问题；特征矢量相似度度量，即如何比较特征矢量的相似度问题；时间归整和归一化，即如何通过整体时间归整和归一对两个语音模式（特征矢量序列）进行相似度度量的问题。详细讨论了动态时间归整算法（DTW）及其改进。 最后，本文介绍了两个系统的具体实现，并对文章进行了总结。 本文研究得到了航空基础研究基金及陕西省科技研究发展计划项目的支持。