目前随着科学技术的发展，人们对人机交互的方式提出了更高的要求。用什么来代替笨拙的键盘或按键，是人们一直在致力解决的问题，而语言则是人类最方便、快捷有效的交流工具，因此语音识别技术应运而生并且取得了飞速的发展。语音识别技术就是让机器通过语音采集、特征提取、建模等一系列的过程后，将音频信号变为人类看到的文本文字的一种技术。目前语音识别技术经由几十年的研究业已获得了很大的成果，一些语音产品已经投入市场使用，其中语音机器人产品也得到应用。本文致力于仿人机器人语音识别技术的研究，并采用隐马尔可夫模型算法成功实现了仿人机器人的语音口令控制系统。不同于PC机上的系统，仿人机器人语音识别有其自身的局限性，其中噪音是本文主要的影响因素，另外当前的HMM算法存在局部最优问题，因而如何降噪和对HMM算法的改进是本文要解决的主要问题。首先，本文对语音识别的原理和实现流程做了深入研究，在特征提取中选用了具有良好的辨别力和抗干扰性的梅尔倒谱系数，对于非特定人识别采用HMM模型，对HMM模型的三个经典问题的Back-forword、 Viterbi和Baum-welch算法进行深入剖析后，针对Baum-welch的局部最优和收敛速度慢等缺点，进一步采用了K均值算法进行改进。然后，对实验室环境下的噪音和机器人本身自带的机器噪音利用改进的频谱减法进行了抗干扰设计，提高了识别率。最后对仿人智能机器人的系统控制方案和硬件平台设计搭建进行了介绍，并做算法移植。对实验结果在不同实验条件下、不同说话风格、异性之间音频的区别、双通道输入等做了较全面的比较与分析，充分证明了系统的健壮性和适用性。