本文首先对语音识别现状进行了分析,指出抗噪语音识别技术是语音识别系统走向实用化的一个关键性难题。之后详细介绍了语音识别的基本理论,包括系统组成与分类、预处理、特征提取、常用的识别方法等。在此基础上,分析了隐马尔科夫模型和径向基神经网络各自的优点和不足之处,提出了HMM和ANN模型结合用于语音识别的必要性,并对两者常用的各种结合方式进行了总结。根据人类的听觉感知机理,本文引入子带分析方法,提出了一种新的多特征子带HMM/ANN混合模型,该方法采用了与以往子带语音识别不同的结合方式,并采用子带特征和全带特征两种特征参数,首先分别对多个子带特征和一个全带特征建立HMM模型,然后用RBF神经网络对这些HMM模型的识别结果进行融合判决。为了检验算法的有效性,针对非特定人汉语数字孤立词识别,在MATLAB7.0环境下对本文提出的多特征子带HMM/ANN混合模型进行了仿真实验,分析了采用不同的特征参数、子带数目对识别结果的影响,并对传统的混合模型和本文提出的多特征子带混合模型在抗噪性能方面进行了对比实验。结果表明,该方法与传统方法相比不仅具有更好的抗噪性能,而且同时能提高无噪声情况下的识别性能。本文最后针对语音识别的硬件实现问题,采用TI公司的DSP芯片TMS320VC5509,设计了一套基于定点DSP的语音识别系统,该系统功耗低、成本低、体积小便于携带。本文提出的方法与硬件系统对于提高语音识别系统的抗噪鲁棒性以及语音识别系统的商业化实现具有重要的意义。