语音识别就是让机器听懂人的话,并作出正确的反应从而执行相应的命令。语音识别技术作为一门交叉学科,它与声学、语音学、语言学、人工智能、模式识别、数字信号处理、计算机学科等众多学科都有紧密的联系。不同学科的研究成果共同促进了语音识别技术的发展。语音信号本身的特点(包括多变性、动态性、瞬时性和连续性等)造成了语音识别技术实现上的困难。计算机对语音识别的过程和人对语音识别的过程基本上是一致的,目前主流的计算机语音识别技术大都基于统计模式识别的基本理论。实用语音识别系统在噪声环境中的应用也是一个重要的研究课题。本文在已有的研究成果基础上,研究了基于HMM模型的智能车语音交互命令识别系统,并对其在含噪环境的应用进行了研究。具体工作如下:1.实现了一个较为完整的语音处理程序,包含语音录入、预处理、训练、识别及结果输出等过程。2.介绍了HMM模型的基本原理,简述了该模型的三个核心问题和解决问题的基本算法,探讨了如何将HMM模型引入实际的语音识别系统。3.从语音信号处理分析出发,在HMM的理论基础上,阐述了本文所研究的孤立词语音识别系统的基本框架和组成部分,包括声学分析、特征提取、孤立词声学建模、训练识别以及最终的孤立词系统识别结果。4.考虑到面向自主车应用的实际应用背景,本文研究了如何在含噪声环境下提高语音识别系统的性能,实现了一种结合人耳听觉特性和语音增强技术的鲁棒语音特征提取方法。实验结果证明,这种方法的应用有效地改进了识别系统的性能。