录制个人的训练及测试语音； 2. 提取特征参数 MFCC； 3. 使用动态时间规整（DTW）算法计算语音模板之间的距离； 4. 编程实现基于 DTW 的小规模孤立词语音识别系统。 5. 设计 GUI 图形用户界面实现以上功能。要求系统界面上包括语音录制、波形显示、播放等功能 按钮，能够设置录音时长、采样频率、帧长等所需参数，并显示识别结果

非常好，您的要求是一个基于DTW算法的小规模孤立词语音识别系统，需要实现以下功能：

1. 录制个人的训练及测试语音；
2. 提取特征参数MFCC；
3. 使用DTW算法计算语音模板之间的距离；
4. 编程实现基于DTW的小规模孤立词语音识别系统；
5. 设计GUI图形用户界面实现以上功能。

以下是一个简单的MATLAB程序，可以实现您的要求：

function isolated_word_recognition()

    % 初始化GUI界面
    fig = uifigure('Name', '小规模孤立词语音识别系统', 'Position', [100 100 800 600]);
    % 录制语音按钮
    recordBtn = uibutton(fig, 'push', 'Text', '录制语音', 'Position', [20 500 100 30], 'ButtonPushedFcn', @(btn,event)recordAudio());
    % 播放语音按钮
    playBtn = uibutton(fig, 'push', 'Text', '播放语音', 'Position', [140 500 100 30], 'Enable', 'off', 'ButtonPushedFcn', @(btn,event)playAudio());
    % 识别语音按钮
    recognizeBtn = uibutton(fig, 'push', 'Text', '识别语音', 'Position', [260 500 100 30], 'Enable', 'off', 'ButtonPushedFcn', @(btn,event)recognizeAudio());
    % 显示识别结果标签
    resultLabel = uilabel(fig, 'Text', '识别结果：', 'Position', [20 460 100 30], 'FontSize', 14);
    % 显示波形图
    waveAxes = uiaxes(fig, 'Position', [20 80 760 360]);
    xlabel(waveAxes, '时间（秒）');
    ylabel(waveAxes, '幅值');
    
    % 默认参数
    fs = 16000; % 采样频率
    frameLength = 25; % 帧长
    frameShift = 10; % 帧移
    numCoeffs = 12; % 系数数量
    
    % 录制语音
    function recordAudio()
        % 停止播放
        stop(audioPlayer);
        % 录音时长
        duration = inputdlg('请输入录音时长（秒）：', '录音时长', [1 50]);
        if isempty(duration)
            return;
        end
        duration = str2double(duration{1});
        % 录音
        recObj = audiorecorder(fs, 16, 1);
        record(recObj, duration);
        disp('开始录音...');
        % 等待录音结束
        while isrecording(recObj)
            pause(0.1);
        end
        disp('录音结束.');
        % 获取录制的音频数据
        myRecording = getaudiodata(recObj);
        % 绘制波形图
        plot(waveAxes, 0:1/fs:(length(myRecording)-1)/fs, myRecording);
        title(waveAxes, '录音波形图');
        % 更新状态
        set(playBtn, 'Enable', 'on');
        set(recognizeBtn, 'Enable', 'on');
    end

    % 播放语音
    function playAudio()
        % 停止录音
        stop(recObj);
        % 播放
        audioPlayer = audioplayer(myRecording, fs);
        play(audioPlayer);
    end

    % 识别语音
    function recognizeAudio()
        % 停止播放
        stop(audioPlayer);
        % 提取MFCC特征
        mfccs = mfcc(myRecording, fs, 'FrameLength', frameLength, 'FrameShift', frameShift, 'NumCoeffs', numCoeffs);
        % 读取训练好的模板
        load('templates.mat');
        % 计算DTW距离
        minDist = inf;
        for i = 1:length(templates)
            dist = dtw(mfccs, templates{i});
            if dist < minDist
                minDist = dist;
                recognizedWord = i;
            end
        end
        % 更新识别结果
        set(resultLabel, 'Text', ['识别结果：', templatesNames{recognizedWord}]);
    end

end

需要注意的是，此程序仅供参考，实际使用时需要根据具体的需求进行修改和完善。同时，您还需要自行训练模板，并将训练好的模板保存到MATLAB的.mat文件中，以便加载使用。此外，程序中使用了MFCC和DTW算法，您需要自行实现或使用MATLAB中提供的相应函数库。