近年来，语音识别技术逐步从科研机构走向市场，并广泛应用于智能控制、家庭服务、儿童教育等领域，这主要得益于深度学习的快速发展，让使用大数据集在实际应用中训练足够鲁棒的语音识别器成为可能。另外，语音信号处理技术在语音识别系统的应用也一定程度上解决了噪声环境下识别率下降的问题。
　　语音识别技术的主要目的是实现人与机器比较自然的语音交互，而不局限于文本的形式。在识别系统中，一般是使用理想环境下采集的纯净语音来训练模型，然后应用于现实生活场景中，但是在实际应用时，两者之间的不匹配严重影响了语音识别系统的性能。因此，如何提高噪声环境下语音识别的稳健性对现阶段研究人员来说是一个挑战，对此，本文研究了麦克风阵列信号处理技术与深度学习模型训练技术用以提升噪声环境下语音识别系统的稳健性。本论文的主要研究工作和成果概述如下：
　　1.研究了一种基于语音时频域稀疏性原理的改进最小方差无畸变响应波束形成与改进维纳滤波相结合的方法。首先使用基于复高斯混合模型的时频掩蔽方法充分利用麦克风阵列语音信号的空间信息进行波束形成，增强期望声源方向的语音信号并抑制环境噪声所引起的干扰；然后使用改进的维纳滤波器去除残留噪声进一步提高语音音质,最大程度保留语音信息。实验结果表明，该方法可以实现较好的噪声抑制效果，对噪声环境下的语音识别系统具有良好的稳健性。
　　2.研究了噪声环境下语音识别率降低以及传统波束形成算法难以解决的空间噪声问题，本文基于双微阵列结构提出了一种综合了最小方差无畸变响应波束形成与对角加载的麦克风阵列语音波束形成方法，并利用递归矩阵求逆减少计算复杂度，然后通过后置调制域谱减法对语音做进一步处理，获得了良好的降噪效果，在采用卷积神经网络进行训练的语音识别系统模型中取得了较好的识别效果。