1、近年來，以自然語言人機交互為主要目標的語音識別技術一直是人們的研究重點。隨著語音識別核心算法的不斷改進和大規(guī)模集成電路的飛速發(fā)展，語音識別技術開始從實驗室邁向市場化，進入智能可穿戴，智能車載，智能家居等領域，越來越貼近人們的生活。根據(jù)目前技術的成熟度和市場接受度，融合了智能語音交互技術的汽車市場會成為語音識別技術的一個重要應用。但是往往車載應用環(huán)境較為復雜，諸如背景噪聲，說話人差異以及信道畸變都會引起訓練和測試環(huán)境的不一致，從而導致語音

2、識別系統(tǒng)的識別性能顯著下降。如何提高系統(tǒng)在復雜環(huán)境下的識別性能是一個研究的難點。本文主要針對現(xiàn)有車載語音識別系統(tǒng)抗噪魯棒性差的問題，作了如下主要工作：
　?。?）從語音識別技術的基本理論和框架出發(fā)，分別在信號、特征、模型三個層面上去提升語音識別系統(tǒng)的魯棒性。在信號空間，引入改進的多窗譜估計語音增強算法和結(jié)合時頻特性的能熵比端點檢測方法；在特征空間，采用特征彎折算法和MVDA后處理技術對背景噪聲進行抑制并且補償信道；在模型空間引入帶

3、噪訓練并優(yōu)化DTW識別方法。
　　（2）深入研究了基于聽覺特性的語音特征提取方法。針對基于發(fā)聲機理的線性預測倒譜系數(shù)（LPCC）和傳統(tǒng)聽覺特征梅爾頻率倒譜系數(shù)（MFCC）等魯棒性不足的缺點，提出了平滑幅度包絡梅爾頻率倒譜系數(shù)（SMFCC）和差分相對譜感知線性預測系數(shù)（RASTA-DPLP）以及歸一化子帶能量規(guī)整系數(shù)（GPNCC），通過實驗證明了這些特征可以大幅提高抗噪性能，并且滿足系統(tǒng)一定的實時性要求。
　?。?）分析和比較

4、了語音識別技術中識別策略，模型以及算法的優(yōu)劣，構建出車載語音識別系統(tǒng)整體結(jié)構，對其中核心模塊進行了具體設計并對比于傳統(tǒng)方法進行了仿真實驗，實驗結(jié)果表明改進的各類識別算法在提升語音識別系統(tǒng)抗噪性能和識別率上效果顯著，達到了系統(tǒng)設計要求。
　?。?）根據(jù)實驗仿真流程搭建了一個基于TMS320C6713 DSK的孤立詞識別系統(tǒng)。在該硬件平臺上進行測試，其中數(shù)字識別任務的識別率約為95.27%，車載詞匯任務的識別率約為90.25%，驗證了