語音控制系統總體架構由語音采集模塊、語音前級處理模塊、語音訓練模塊、語音識別模塊、語音提示模塊和輸出控制模塊組成。
（壹）語音采集模塊
語音采集模塊主要完成信號調理和信號采集等功能，它將原始語音信號轉換成語音脈沖序列，因此該模塊主要包括聲/電轉換、信號調理和采樣等信號處理過程。
（二）語音前級處理模塊
語音前級處理模塊的主要功能是濾除幹擾信號、提取語音特征矢量，並將提取的語音特征矢量量化成標準語音特征矢量，因此該模塊主要包括語音預處理、特征提取、矢量量化等語音信號處理過程。
（三）語音訓練模塊
語音訓練模塊的主要功能是將多次采集、提取的語音特征標準矢量進行概率統計，提取說話人的最佳語音特征標準矢量，防止因說話人心情、環境等因數引起提取特征參數不準確而影響語音識別效果，因此該模塊主要包括概率統計、參數評估等處理過程，用隱馬爾可夫模型（HMM模型）實現。
（四）語音識別模塊
語音識別模塊的主要功能是將重新采集的標準語音特征矢量與語音模板庫中的語音模型進行比較，判斷當前語音命令功能，因此該模塊主要包括矢量比較與參數評估兩個過程。
（五）語音提示模塊
語音提示模塊的主要功能是根據語音識別的結果提示用戶進行相關操作或說明當前完成的功能，因此該模塊主要包括調用提示語音資源文件、D/A轉換、信號放大等語音處理過程。
（六）輸出控制模塊
輸出控制模塊的主要功能是根據語音識別的結果輸出相應的控制信號，實現電燈、電視、風扇等辦公電器的語音控制功能，因此該模塊主要包括信號驅動、輸出控制器和被控對象。
（七）語音模板庫
語音模板庫的主要功能是存儲訓練後的最佳標準語音特征矢量。