语音识别技术是一门涉及声学、语音学、语言学、计算机科学、信号处理、人工智能等诸多学科的综合性技术,目前已经被应用在工业、军事以及医疗等部门的指挥、产品检验以及数据录入等人机有声通信领域。长期以来一直是人们研究的热点,但是现有准确率较高的语音识别系统仍存在着耗时、成本高、使用起来不方便等缺点。这些缺点都影响着语音识别的速度、硬件实现和推广应用。尤其应用在噪声环境下智能机器人语音识别技术的研究。作为智能机器人的一种工业机器人的识别技术的研究也越来越受到人们的关注。在工业环境下噪声的加入使得机器人必须有较好的容错力和顽健性,所以本文基于此做了如下的研究:论文首先针对噪声环境下工业机器人语音识别所针对的非特定人、小词汇量、孤立词语音识别要求,分析了传统的利用掩蔽特性进行语音识别的方法特点,然后基于mel频率和bark频率的对应关系对MFCC的提取方法进行了改进,通过对系数做倒谱归一化(CMN)处理,并采用RBF全监督训练和学习方法使机器人的语音识别训练更充分,使新的语音识别系统的鲁棒性增强,并使识别率提升。本文针对工业环境下机器人的语音识别的抗噪性,分析了谱减法和MMSE-LSA的语音增强算法的过程,然后重点分析和研究了经相位还原之后声音信息的时域信号进行频谱分析的语音增强方法的设计和实施过程。并和谱减法与MMSE-LSA的语音增强法进行了比较,进行了数据分析。使工业机器人在噪声环境下提高了识别率。最后由于机器人的多数应用要求实时性。机器人在听懂语声后,还要执行、完成其他一系列动作,即机器人需要处理大量的数据,分配给听觉的时间是非常有限的,因而,提高实时性是机器人听觉的突出问题;所以结合前述信号预处理,特征提取,智能算法,设计了一个低功耗、高可靠性、低成本的ARM+DSP的语音识别系统平台。实现一种自然的人机交互方式,使工业机器人能听懂人的语言,辨明话音内容,将人的语音正确地转化为对应的文本信息,根据语义做出相应的动作。系统分析和比较了与传统方案的优劣,同时对其有关设计的要点和难点做了简要的探讨和分析。