在理想的实验室环境下,语音识别系统具有很高的识别率,但是在实际环境下,由于各种噪声的干扰,降低了实际应用环境下的语音识别性能,论文将从前端的端点检测和后端的拒识别两方面入手,进行系统优化,以提高语音识别系统性能、尤其是低信噪比环境下的识别性能。论文的主要工作包括：(1)分析了语音识别系统结构,包括预处理、特征提取和建模。预处理主要对语音信号进行预加重、分帧加窗、端点检测；提取美尔频率倒谱系数(MFCC:Mel-Frequency Cepstral Coefficients)及其一阶差分倒谱系数,作为语音识别系统的特征参数；利用隐马尔科夫模型(HMM:Hidden Markov Mod el)对语音信号进行声学建模。(2)实现了基于子带能量谱熵的端点检测算法,优化了系统的端点检测模块。子带能量谱熵参数不仅可以表征低信噪比环境下的语音信号特征,而且对不同种类的噪声有一定的鲁棒性。测试结果表明,在低信噪比环境下,基于子带能量谱熵的端点检测效果要优于原先的双门限端点检测：端点检测模块的优化大幅提高VTSME(VTS-based Multi-Environment)语音识别系统的识别性能,尤其是在低信噪比环境下的识别性能。(3)为语音识别系统增加了拒识模块。本文对语音长度过短、环境信噪比过低和对可能识别错误的孤立词进行拒识这三个方面进行研究,其中重点研究了基于后验概率差值的拒识算法。通过拒识噪声大、语音短和区分度低的测试语音,大幅度提高了系统识别准确率,而基本没有增加系统复杂度,保证了系统的实时性。(4)在MATLAB平台上进行的仿真实验基础上,实现了C平台的优化算法。将优化部分移植到C平台,完成了对实时的非特定人孤立词识别系统的优化。实验结果证明,优化使语音识别系统的识别性能得到了大幅度提升。