随着现代计算机技术的研究和发展,人们对人机交流技术的要求越来越高。为了满足此要求,语音识别技术应运而生。这是一项让机器能准确地识别人类的语音并执行相关动作的重要技术,具有广泛的应用背景和重要的研究价值。在过去的几十年中,语音识别技术发展得很快,在很多方面(如时间不等长匹配,识别模型的建立,运行时间等方面)都有很大的进展。特别是在安静环境下,语音识别系统的识别率已经达到很高的水平。但是要将语音识别系统真正运用于实际,还有许多问题需要解决,主要为语音去噪问题和识别精度问题。本论文基于语音信号分析的理论基础,考虑了语音识别系统的实际应用要求,提出了噪声环境下非特定人孤立词语音识别系统的研究。论文首先介绍了语音识别系统的流程,对语音信号分别进行了时域分析、频域分析和小波分析,分析了语音信号预处理问题。预处理过程包括数字化语音信号、预加重、分帧加窗、小波去噪和端点检测。其中,重点分析、说明了小波去噪和端点检测部分。文中介绍了小波分析的基本理论,小波阈值去噪法的主要思想,比较了不同阈值规则情况下不同阈值不同小波函数的去噪结果。其次分析、对比了线性预测参数、线性预测倒谱参数和美尔频率倒谱参数三种特征参数。特征参数的选取对整个语音识别系统的实时性、鲁棒性有很大的影响,因此在文中分析、比较了上述三种特征参数的实时性和鲁棒性。最后讨论了语音识别的两种算法:动态时间归整算法和隐马尔可夫算法,并基于这两种算法分别建立了“0-9”十个数字的识别系统。用动态时间归整算法进行孤立词语音识别时比较了特定人和非特定人识别及特征参数的选择对识别率的影响;用隐马尔可夫算法构建了非特定人孤立词语音识别系统。重点是对经典的隐马尔可夫算法进行改进,解决了隐马尔可夫模型的基本问题,有效提高了系统性能。