從機器人語音識別的難易程度和應用目的來說，可以將語音識別分為兩大 類，即特定人的語音識別系統(tǒng)和非特定人的語音識別系統(tǒng)。

所謂特定人語音識別系統(tǒng)是指，判定說話人的聲音是不是事先指定的那 個人，或者是不是事先指定的一大批人中的某一個。先要記憶一個人或者 幾個人的語音特征，而且被指定的人的講話內容也是事先規(guī)定好的有限定的 幾句話。

特定人語音識別，先要找出話音的起點和終點。實驗證明，為了識別 發(fā)言人的話，先要找出語音的起點和終點。為此，系統(tǒng)還要能夠保留一段 聲音信號，當發(fā)現(xiàn)明顯的聲音信號時，要從這點向前考察各個短時間段的幅度與過零度，只要其中之一超過某個限值，就認為這段還是屬于發(fā)音段，直 到這兩種特征都低于限值時才停止考察，這個時間點就是語音的起點。

對于 終點，也用相同的辦法來判別。特定人語音識別系統(tǒng)判別的基本方法是： 先確定識別方法所用的特征，其次將接收到的話音提取特征矩陣，然后與事 先存儲在系統(tǒng)之內的標準模板中的特征矩陣相比較，計算它們的距離。這個 距離可以用各個對應的特征值之差的平方和來定定義。

如果距離小于某個 值，則系統(tǒng)認為該發(fā)言人是指定的發(fā)言人，并確定所說的話是什么。其大致 流程如圖4-18所示。

特定人語音識別系統(tǒng)判別的基本方法是：

①確定識別方法所用的特征；

②將接收到的話音提取特征矩陣；

③與事先存儲在系統(tǒng)之內的標準模板中的特征矩陣相比較，計算它們的距離。這個距離可以用各個對應的特征值之差的平方和來定義。

④如果距離小于某個值，則系統(tǒng)認為該發(fā)言人是指定的發(fā)言人，并確定所說的話是什么。