低信噪比下的语音识别是目前国内外一个重要的研究课题,也是目前语音识别的研究热点和难点,具有极其重要的理论和实际意义。本文从研究语音处理的一些基本理论入手,重点研究了其中的语音识别算法、噪声参数估计方法和语音增强技术,并将语音增强技术应用于低信噪比噪声环境下的语音识别系统中,实验结果表明,系统性能得到了明显的改善。本文的主要研究工作如下:1.在研究语音识别的一些基本理论基础上,分别采用DTW和VQ两种识别算法实现了非特定人孤立词识别系统和说话人辨认系统。对基于VQ算法的说话人辨认系统,提出了在不同噪声环境下建立多个训练模板的方法。同时,对基于DTW算法的非特定人孤立词识别系统进行了多种噪声环境下的仿真实验,结果表明:在安静环境下,系统识别率可到达96%以上,而在低信噪比环境下,语音识别系统性能急剧下降,在信噪比极低时,几乎无法识别。2.在分析噪声特性的基础上,重点研究了基于语音活性检测和基于连续更新噪声谱的两种噪声参数估计方法,并提出了将能零积的思想应用到基于LPC倒谱系数的语音活性检测算法中。实验结果表明,这两种算法都能有效地估计平稳噪声参数,而基于连续更新噪声谱的方法在非平稳噪声环境下表现出了更佳的性能。3.系统地研究了多种语音增强算法,包括基于短时谱分析的维纳滤波法、谱减法和MMSE算法,并研究了基于人耳听觉掩蔽效应的语音增强算法。在此基础上,结合前面的改进噪声参数估计方法,对各种语音增强算法及其改进方法进行了低信噪比环境下的系统仿真,并对实验结果进行了比较和分析。4.将语音增强技术与语音识别系统结合起来,即通过对原始带噪语音进行语音增强处理,提高信号的信噪比和可懂度,从而提高语音识别系统的识别率。本文分别采用维纳滤波、谱减法、MMSE算法和基于掩蔽模型的增强算法对语音识别系统进行了低信噪比环境下的系统仿真,实验结果表明,这种方法能有效地提高低信噪比环境下系统的识别率。