针对在噪声、混响等环境下语音识别系统识别率严重下降的问题,本文以深度学习和麦克风阵列信号处理作为主要技术方法,讨论并研究了若干鲁棒语音识别中的关键技术。论文的主要工作与贡献如下:（1）搭建了一个基于混合声学模型的语音识别系统,通过实验,研究了三音素上下文建模、深度神经网络、特征变换技术对识别率所带来的影响,并且评估了这些技术在混响噪声环境下的鲁棒性;（2）在流式语音识别的实际应用中,通常要求系统的预处理前端能够低延迟且实时地处理多个任务,并且对噪声要有很强的鲁棒性。针对上述问题,提出了一种语音增强与语音活动检测的多任务深度学习模型。该模型引入了长短时记忆网络,并以硬参数共享的方式连接了两个任务的输出层,构建了一个适合于实时在线处理的因果系统。实验结果表明,相较串行处理两个任务的基线模型,多任务模型在语音增强结果非常相近、语音活动检测结果更优的情况下,其速度快了44.2%,这对于深度学习预处理模型的实际部署将具有重要的意义;（3）针对传统多通道语音分离算法在扩散噪声下性能下降的问题,提出了一种用于语音分离及降噪的空间协方差模型及参数估计方法。该方法将扩散噪声视为独立声源,利用由声学传递函数重构的空间协方差矩阵建模目标声源的空间特性,并通过空间协方差分析方法估计用于语音分离的多通道维纳滤波器。同时,还提出了一种联合该方法的后置滤波器参数框架,为输出信号降噪和失真的折中提供了更多选择。在扩散噪声下的语音分离实验中,所提方法的分离性能要优于其他对比算法,联合参数的后置滤波器可提供更为符合人们要求的降噪语音,验证了所提模型与参数估计方法的有效性。另外,在鲁棒语音识别实验中,所提方法无论是在扩散噪声还是点声源噪声环境下,增强后的语音识别率都有显著的提高,且优于其他对比方法,验证了其作为鲁棒语音识别前端处理系统的有效性。