随着基于深度学习（Deep learning,DL）的语音识别技术在实际场景中的大规模应用,提升声学模型的鲁棒性（Robustness）至关重要。一个鲁棒的声学模型应当对噪声、信道、说话人以及口音等扰动因素不敏感,在真实复杂的声学环境中依然能够表现出良好的性能。近年来,以神经网络（Deep neural network,DNN）为载体,深度对抗学习（Deep adversarial learning）在数据生成、特征学习和模型自适应等问题上都取得了突破性进展。本文从深度对抗学习的角度出发,结合语音数据的特点,深入研究了鲁棒声学建模过程中的多种对抗学习方法,包括域对抗训练（Domain adversarial training,DAT）、对抗样本（Adversarial examples）和对抗正则化（Adversarial regularization）。本文主要贡献总结如下:（1）提出一种基于无监督域对抗训练的鲁棒声学建模方法,学习域不变特征表示,在Aurora-4标准噪声鲁棒实验上,取得了 37.8%的相对错误率下降。由于噪声、信道等干扰因素的影响,语音识别中声学模型训练和测试数据之间存在分布不匹配问题。本文在声学模型训练过程中采用无监督域对抗训练方法,学习和噪声等干扰因素无关的特征表示,移除目标域原始数据中与识别任务无关的属性,有效提升了噪声条件下的识别准确率。（2）提出一种有监督和半监督场景下的DAT方法,在960小时口音语料库上,半监督DAT取得了 7.5%的相对错误率下降。完全无监督地利用目标域训练数据无法充分挖掘目标域数据的信息,为了最大限度的利用目标域数据,本文在有监督和半监督的场景下,针对口音问题,研究DAT的有效性。实验表明,DAT在半监督场景下仍可以显著提高模型的识别准确率。（3）提出一种基于对抗样本的动态数据增广方法,在两个标准鲁棒语音识别语料库上,取得了 14.1%和5.7%的相对错误率下降。在模型训练过程中,本文采用快速梯度符号法（Fast gradient sign method,FGSM）动态生成对抗样本,并使用生成的对抗样本在模型训练过程中动态进行数据增广。本文还将基于对抗样本的数据增广方法和教师/学生（Teacher/Student,T/S）学习策略进行结合,进一步提升了识别性能。（4）提出一种基于对抗正则化项的损失函数进行端到端语音识别模型训练的方法,在1000小时的标准中文语料库AISHELL-2上取得了 12.2%的相对错误率的下降。对抗样本说明了深度神经网络模型的不平滑性,即输入端的极小扰动可以导致输出端的极大变化。基于注意力机制的端到端模型采用一个神经网络建模整个识别过程,更易受到对抗扰动的的影响。结合语音序列的特点,本文提出一种基于快速梯度符号法和局部分布平滑（Local distributional smoothness,LDS）的对抗正则化损失函数进行端到端模型训练的方法,有效地提高端到端模型对噪声的鲁棒性。（5）将基于对抗样本的数据增广和对抗正则化应用于关键词检出任务,当误唤醒率为1.0%时,取得了 31%至45%的相对误拒绝率的下降。在实际应用场景中,关键词检出任务（Keyword spotting,KWS）的误唤醒和误拒绝难以避免,且难以复现。本文将这些错误视为一种对抗样本,进一步研究了基于对抗样本的数据增广和正则化训练方法。同时,结合KWS任务的特性,采用了不同的对抗扰动策略,显著地降低了模型的误唤醒率和误拒绝率。