在当今世界，计算机已经或正在成为人们不可或缺的日常生活或工作工具。人机交互模式的发展赋予了计算机更加广阔和方便的应用方式，随之而来地促进了语音识别技术的研究和发展。孤立词语音识别在智能家居、指挥命令识别等方面具有广泛的应用，是语音识别的重点研究领域之一并获得重要研究进展。然而，在噪声环境下，由于训练环境与识别环境的不匹配，语音识别系统的性能急剧下降，影响了语音识别系统实际应用的进程。　　本文以孤立词语音为研究对象，研究了以隐马尔可夫模型(Hidden Markov Model，HMM)模板匹配技术为基础的孤立词语音识别系统。针对噪声环境下系统识别率不高的情况，本文重点发展了两种抗噪技术:基于压缩感知的语音增强技术和改进的MFCC（Mel Frequency Cepstrum Coefficient，MFCC）的抗噪特征参数提取技术;并在此基础上，将这两种技术相结合构建了基于组合去噪方法的孤立词语音识别系统。不同噪声环境下仿真实验表明，该系统架构可有效增强系统的抗噪性能，提高孤立词语音识别系统在噪声环境中的识别率。本文的主要工作和贡献如下:　　1.基于压缩感知的语音增强技术　　由于纯净语音信号和噪声信号具有不同的稀疏特性，本文将压缩感知理论技术用于实现语音增强。本文以离散余弦变换基为例，采用正交匹配追踪重构算法从带噪语音信号中恢复出纯净语音，从而实现带噪语音信号的去噪和增强。仿真实验验证了该方法的有效性。　　2.改进的MFCC特征参数提取　　传统的MFCC特征参数具有抗噪性不足的缺陷，本文首先对梅尔滤波器输出进行非线性变换，然后对梅尔参数使用归一化倒谱提升窗口(Normalized Cepstrum LiftingWindow，NCLW)进行加窗处理，由此提出了改进的MFCC特征参数提取方法。仿真实验表明改进的MFCC参数在带噪语音特征参数提取中具有比MFCC参数更好的识别性能。　　3.基于组合去噪方法的孤立词语音识别系统　　将基于压缩感知的语音增强技术和改进的MFCC参数的特征提取技术嵌入到基于HMM的孤立词语音识别系统中，构建了基于组合去噪方法的孤立词语音识别系统，以提高语音识别系统在不同噪声环境下的识别率。仿真实验表明，在白噪声、粉红噪声、工厂噪声和车内噪声环境下，该组合方法可显著提高基于HMM的孤立词语音识别系统的识别率，增强了系统的抗噪性能。