语音是语言的载体，是最理想的人机交互方式。语音识别是以语音为研究对象，在时域或变换域等对其进行处理和辨识。目前，安静环境下基于PC机的语音识别系统已经取得了良好的识别效果。随着现代信息科技以及数字信号处理器的飞速发展，基于嵌入式平台的语音识别得到了越来越大的关注。但是，由于应用环境中的噪声干扰等问题，使得系统识别率低下，所以噪声环境下的嵌入式语音识别成为研究的热点与难点。　　 本文主要对噪声环境下的嵌入式语音识别技术进行研究，在DSP平台上设计和实现了语音识别系统。主要内容如下：　　 第一，分析了影响嵌入式语音识别系统性能的问题之一--噪声的特性，并研究了现有的各种抗噪方法，指出模型补偿技术在嵌入式应用中存在优势。　　 第二，提出了基于线性预测梅尔倒谱特征(LPCMCC)的模型补偿算法。它采用对数正态并行模型组合(Log-Normal PMC)方法，根据不同的噪声环境对纯净语音模型进行噪声补偿，并将补偿系数根据信噪比进行动态调整，使补偿更加精确。实验证明，使用该补偿方法的识别系统比不使用该补偿方法的识别系统的识别效果更好。同时，该补偿方法与常规的补偿方法相比，能够在保证一定识别效果的同时提升识别速度。　　 第三，设计和实现了基于DSP开发平台的具备模型补偿功能的语音识别系统。并对构建的系统进行性能测试，验证了本文提出的抗噪算法能够有效抑制噪声，提升系统的识别性能。