日常生活中人类通过视觉、听觉等高级感知能力来接收信息,经过大脑的高效处理就可以转换为可以理解的信息。计算机存储和运算的能力惊人,但是并不能像人类一样直接理解接收到的视频、音频信息,而语音是生活中最常见且有效的沟通方式。人们开发出了语音识别技术,目的是让计算机可以“思考”人们所说的话,并将其变换为抽象等级较高的文字符号。得益于计算机性能的提高和深度学习的应用,目前干净语音的识别效果已经达到并超过了人类水平,在外围干扰条件下,转录误识率会激增,提高噪声环境下的语音识别性能是该项技术实用化的关键。本文探索了噪声环境下的语音鲁棒性识别方案,研究了结合语音增强模型的鲁棒性语音识别算法,利用神经网络学习带噪语音到转录文本的非线性映射关系,提升语音转录的准确率和模型的抗噪性,并将其应用到了项目中。主要工作包括:（1）研究语音增强算法,探索端到端的解决方案。针对低信噪比条件下相位信息损失严重的问题,采用端到端的思路对时域音频信号建模,使用UNet结构框架充分挖掘信号结构信息,通过堆叠多尺度的Block从不同视野挖掘高维特征的局部信息,将评估指标融合到训练过程中得到更加清晰的语音。（2）研究语音识声学建模方法,使用多层堆叠的CBRD单元来构建语音识别的声学模型,有效降低模型的复杂度,提升模型的训练速度,方便声学模型结构的调整。在此基础上研究构建语言模型确定文字逻辑上的前后关系,以此来修正语音识别转录的结果,使模型的转录结果更符合逻辑。（3）论文采用融合增强模型和识别模型的方案,基于已经训练好的增强和识别模型在带噪语音数据集上做迁移学习与联合训练,使得神经网络基于已有的权重做适应性调整,最大化两个模型之间的匹配程度,从而提升语音识别系统在噪声条件下的识别准确率和噪声鲁棒性。（4）研究民航机坪管制任务中陆空通话指令的鲁棒性识别,根据陆空通话标准构建特殊发音映射关系,实现对陆空通话指令的有效识别;为了更好的实现算法的成果转化和可视化展示,开发了适配的原型系统。