随着现代科技的进步,人们不仅需要语音作为人类互相传递信息的手段,为了更加方便人们的生活生产,还需要人与机器之间可以通过语音传递信息。这其中重要的一环是使得机器能够听懂人类的语音,为了满足这种需求,语音识别应运而生。在实际的语音识别过程中,往往处于噪声环境下,如本文所要解决的在噪声环境下智能挖掘机器人的语音识别。由于噪声对语音输入特征的影响,使得语音识别的正确率会出现大幅度的下降。为了满足工程需要,同时考虑工程安全性,本文制定的方案是识别指令词,在学术上也称为孤立词识别。首先,针对噪声环境下的语音识别模型,本文介绍了经典的HMM-GMM模型和基于GRU的LAS模型,这两个模型都是基于序列推理的方式进行语音识别。考虑到噪声对语音信号的影响,造成推理错误从而导致整个语音识别任务失败。本文提出了使用基于图像识别的指令词语音识别模型,即卷积神经网络（Convolutional Neural Network,CNN）模型。将语音信号处理成图像,利用CNN模型对图像中的噪声容限能力强的特点,实现了噪声环境下智能挖掘机器人的指令词语音识别问题。其次,通过分析实际工程,得出需要完成噪声环境下智能挖掘机器人在线指令词语音识别。在噪声环境下,进行在线语音识别需要语音端点检测,即从噪声信号中辨别出语音信号。针对噪声环境下在线语音端点检测,本文提出了基于CNN训练二分类网络,用来判别语音识别系统的输入是否为语音信号,使用此方法,实现了噪声环境下的在线语音端点检测,为指令词语音信号在线采集提供了保障。然后,针对实际工程中可能存在非指令词语音信号的输入问题,语音识别系统需要拒绝非指令词语音输入,即开集识别问题。为了拒绝非指令词语音输入,本文在语音识别模型为CNN的基础上,采用了经典的阈值法和未知类法。但是由于深度学习模型具有非线性映射本质的限制,导致CNN中的特征向量到预测输出发生错误,以及未知类的不可预测性,导致阈值法和未知类法效果不好。为了解决开集识别问题,本文采用了特征向量法,使用CNN中的特征向量拟合每一个类的概率分布,用来拒绝非指令词语音输入,相较于阈值法的拒绝率得到大幅度提升,相较于未知类法的优势是不需要未知类别样本来训练模型。最后,针对噪声环境下智能挖掘机器人的在线指令词语音识别实验,介绍了实验的硬件组成及连接,实验中软件实现。实验包括非噪声环境下的指令词语音识别实验,噪声环境下的指令词语音识别实验,在这两组实验中都使用了HMM-GMM、LAS模型和CNN模型,通过比较和分析实验结果,给出了方法的评价。同样,给出了基于CNN训练出的二分类网络进行语音端点检测的实验及结果。关于开集识别的实验,分别进行了阈值法、未知类法、特征向量法这三种方法的实验,通过比较和分析实验结果,给出了方法的评价。