随着汽车越来越多的走入人们的生活，人们对汽车舒适性以及安全性要求的提高，使得各汽车生产厂家和研究学者不断寻求各种更方便、更快捷的汽车电子操控方式，语音识别技术在车载电子设备上的应用无疑可以解决很多操控方面的难题。目前实验室环境下的语音识别已经达到很高的识别率，但是现实生活中无处不在的噪声使得训练环境和测试环境的不匹配，导致识别率降低。因此提高汽车驾驶环境下语音识别的鲁棒性成为当前车载语音识别研究的热点。本文主要研究工作有以下几点：(1)搭建了一个基于隐马尔科夫模型(Hidden Markov Model，HMM)的语音识别实验系统。根据不同实验建立了完整的孤立词识别语音库和噪声库以及噪声度量标准，保证了实验的可重复性。(2)提出一种MEL频率随机映射(RP_MFCC)倒谱特征参数，并通过实验验证了该倒谱特征参数比传统的MEL倒谱特征参数在低信噪比环境下有更高的识别率和更好的抗噪性能，提高了语音识别的鲁棒性。(3)提出了语音识别预处理的两级维纳滤波去噪方法，通过对NoiseX92噪声实验分析验证了该方法可以有效提高语音的信噪比，改善识别系统的鲁棒性。