自动语音识别技术对纯净的语音信号已经可以达到较高的识别精度。然而实际工作环境中环境噪声与混响的存在,以及其他声源的干扰,造成待识别语音特征与训练模板之间的失配,使得系统识别性能急剧下降。本论文针对以小尺寸麦克风阵为接收端的自动语音识别系统,研究若干宽带语音阵列处理方法,通过空时联合处理提高实际工作环境下语音信号被正确识别的概率。论文关于语音信号声源定位的研究,采用了基于旋转不变技术的信号参数估计(ESPRIT)算法的宽带到达方向角估计方法,并结合多通道语音线性预测分析和信噪比估计对算法进行了改进。实验证明,这种高分辨宽带信号处理方法应用在小尺寸麦克风阵接收的语音信号上,具有远优于常规波束形成方法的性能,且避免了其他典型高分辨方法中对整个角度域的扫描计算。定位结果用于指引后续阵列处理以提取从特定说话人方向到达信号。大多数现有麦克风阵语音识别系统包括阵列信号处理和特征识别两个先后独立的阶段。论文将阵信号处理和特征识别统一起来考虑,识别系统的输出被反馈至前端的麦克风阵列,结合识别过程调节滤波器系数,最大化似然概率的输出,滤波器系数调节中并采用全局搜索算法进一步改善联合优化方案的性能。与常规阵处理方法增强语音波形质量不同,论文研究增强语音特征使其与识别模型更为匹配,直接提高识别过程中正确假设的似然概率。实验证明,采用联合优化方案训练滤波器系数,系统的识别性能得到明显提高。