众所周知,人耳对声音的体验是丰富多彩的,并且对语音信号有着独特的辨别、分析与学习能力,它能在极低的信噪比情况下,有效的提取目标语音内容,并且可以依赖已有的知识背景对语音信号进行判断处理。人类的听觉系统的鲁棒性和抗噪能力都非常的强,目前所研制的任何一种语音识别系统都远比不上。因此基于人耳听觉模型的语音特征提取方法日益受到的人们的重视。本文在Tara Julia Hamiliton等人基于Hopf滤波器实现的生物耳蜗听觉模型的硬件电路上,提出了一种Hopf语音特征参数提取的方法。该方法使用了Hopf滤波器组,并且根据耳蜗的基底膜特性选定和调整中心频率与带宽,测试语音将通过滤波器组得到的多维听觉特征向量,经过离散余弦变换,得到用于表征语音信号的系数,这样提取的语音信号特征更符合人耳听觉特性,并应用于以下两个方面：1.本文针对语音识别系统中的噪音鲁棒性和多变性问题,将Hopf特征参数用于孤立汉字的语音识别仿真系统。系统采用了自行录制的孤立汉字的语音库,对输入的语音信号经行预处理后,再进行特征提取,模式识别采用的是DTW识别算法。实验结果表明,在低信噪比的情况下,提取的Hopf特征参数相对于传统的MFCC参数和LPCC参数,具有较好的抗噪性能,系统的识别率和鲁棒性具有明显提高。2.针对目前神经性受损的聋人无法接受人工耳蜗的植入,和目前人工耳蜗存在的费用昂贵,手术风险大的背景下,将提取的Hopf特征参数用于实验室开发设计的触觉替代的硬件电路中。触觉替代就是利用皮肤的触觉来感受来代替人耳的听觉感受。实验的结果表明,用手指感受电极电路的刺激,可以辨析常用汉字的语音信息,经过长期的训练,记忆,学习,就可以达到辨声的效果。