该文以提高语音识别对环境的适应性、优化识别算法为主要目的,基于现代信号处理理论提出一些新算法和新方案.其主要内容和创新性成果包括以下几个方面：1.综述了语音识别技术的基础理论、发展和现状,并指出目前存在的问题和不足之处.2.为了降低语音信号特征参数求解算法的复杂性,针对基音周期,该文提出利用变长的短时自相关函数和短时平均幅度差函数来计算.计算过程分析和仿真实验都表明算法中乘法计算次数大大减少,从而有效降低了计算时间.针对线谱参数,通过分析参数求解过程,该文提出先求参数所在区间、再用二分法进一步精确的算法.仿真实验结果表明,该算法与其它算法相比,各种运算次数明显减少,更易于实时实现.3.针对传统语音分割方案在信噪比较低时端点检测不准确的缺点,提出利用小波子带系数相关性分割含噪语音信号的静音与语音.利用噪声子带系数的不相关性,该算法较好地克服了传统分割方案对噪声的敏感性.仿真实验结果表明该算法具有较强的稳健性.4.针对模板匹配法和HMM方法的训练经常趋于局部优化的缺点,提出采用禁止搜索算法进行动态时间规整和HMM识别的全局优化.利用禁止搜索算法的短期记忆、广义启发的全局搜索特点,一方面使非线性动态时间匹配中的时间规整函数尽可能逼近全局最优;另一方面使HMM模型参数达到最优或更优.仿真实验结果表明,禁止搜索算法能够使两种识别方法更接近全局最优,可以获得更好的识别结果.5.针对识别系统对环境的适应性差的缺点,该文提出利用模糊神经网络进行多个传输媒质语音的数据融合,改善识别对环境的适应性.