语音识别技术在人工智能的推动下再一次迎来发展的热潮。人们迫切的希望在实际的生活当中,也能与智能机器有更好的交流,让机器听懂人们的语言,按照人们发布的指令正确的完成应答操作。但当下,语音识别技术走出实验室进入生活仍存在一些技术性难题。在没有噪声或者噪声很小的环境中,语音识别系统识别效果良好,会有较高的识别率;但当在背景噪声很大,或者识别环境更复杂的情况下,识别系统的性能就不如实验室安静环境下理想。所以研究复杂环境下语音识别系统的强健抗噪性仍具有重要的意义。汉语普通话当中存在发音机理上相近、听觉上容易混淆并且容易被智能机器识别错误的模糊语音,而语音识别系统的性能很大程度上取决于语音特征参数的选取,所以本文从发音机理和听觉特性两个方面入手,对模糊语音的抗噪特征进行分析研究。1、在课题组的帮助下,利用德国生产的三维电磁发音仪采集发音器官的运动轨迹信息,同时使用专业录音设备,同步录制语音的音频信号,建立了满足研究要求的双模态模糊语音数据集,其中包括语音的音频信号和发音器官运动信号两种模态。以此数据集作为实验样本进行特征提取研究。2、介绍了实验所选的语音识别系统,描述了识别系统操作流程框架,并且重点分析了其中的特征提取和识别分类网络两个关键步骤。接着介绍了四种韵律特征的提取方法,主要包括包括基音频率、短时平均能量、短时平均幅度以及共振峰等。对比分析了包括人工神经网络（Artificial Neural Network,ANN）、随机森林（Random Forest,RF）以及支持向量机（Support Vector Machine,SVM）在内的三种分类识别网络,以及它们各自适用的情况和优缺点,根据自建数据集数据量的大小,决定选用支持向量机作为识别系统的分类网络。3、从声学信息出发,以耳蜗倒谱特征（Cochlear Filter Cepstral Coefficients,CFCC）为基础,结合不同的非线性变换对CFCC进行改进。由于语音信号是一种非平稳时变信号,对比了短时傅里叶变换和小波变换处理非平稳信号的方法,引入S变换来对语音信号进行时频转换,同时借鉴性的运用奇异值分解（SVD）来抑制带宽随机噪声,提取新的声学特征参数（S-Transformation cepstrum features of cochlear filter,ST-CFCC）4、从语音的发音机理出发,分析语音的发音器官运动轨迹,选取舌部以及下颌来提取发音运动特征。同时提出发音倒谱系数（Articulatory Cepstral Coefficients,ACCs）也作为运动特征,它是时间定位发音信号的倒谱系数。对比分析不同运动特征的可行性及分类结果。5、从特征层出发进行声学特征和运动学特征的双模态特征融合研究。联合使用核主成分分析以及线性典型相关分析来完成模态内特征降维和跨模态级的特征融合,对融合后的特征向量设计对比实验,进一步验证了双模态融合特征相较于单模态特征的优势以及融合方法的有效性,提高了语音识别系统的性能。