抗噪声语音识别技术是语音识别系统走向实用化的一个关键性难题。尽管现有的语音识别系统对纯净语音已达到了很高的识别精度,但是无处不在的噪声带来了训练模型和测试语音之间的失配,识别器性能会急剧下降,在很多情况下无法满足实际应用的需要。本文对噪声环境中的语音识别的前端处理分别进行了研究,主要包括端点检测、语音增强和特征提取。首先研究了端点检测,它是进行语音增强和有效提取语音特征的前提和保证。深入研究了短时能量、短时过零率和基于频带方差的检测算法,在分析了以上算法不足的基础上,提出了基于自适应子带频谱熵和功率谱熵的端点检测算法,实验仿真结果表明该算法收到了很好的效果。接着研究了语音增强,它不仅是有效提取特征参数的前提,也是语音合成和语音编码中的重要环节。对常用的谱减法、维纳滤波法和MMSE谱估计法进行了一定的理论阐述,并通过实验仿真验证了三种算法,又进一步对谱减法作了改进,实验仿真证明了改进后的谱减法也是一种很好的增强算法。最后研究了特征提取,它是语音识别最重要的环节之一。对常用的LPCC和MFCC进行了一定的理论推导,接着提出了一种新颖的特征参数——基于最小方差无失真响应的感知倒谱系数PMCC,并在不同信噪比下做了大量的识别实验,对三种特征参数进行了比较,实验表明该参数确实优于LPCC和MFCC。