人类听觉系统对语音信号的感知能力大大超过了目前的信号处理水平。计算听觉场景分析(Computational Auditory Scene Analysis,CASA)通过模拟人对语音信号的处理,分析语音成分,最后达到将不同声源语音分类的目的。 本文尝试将这种技术引入抗噪声语音识别。覆盖一个抗噪声识别器的各个方面,包括特征抽取,训练,对噪声处理,以及最后识别。分析了一个较成功的CASA模型-HuWang模型的结构和过程,对模型进行修改并利用此模型对带噪声语音进行处理,分离出目标语音。对于CASA给语音信号频谱造成的不连续,本文提出了一种改进的听觉外围特征算法,抽取干净语音的特征。此特征考虑了听觉外围的特点和CASA算法的输出,寻找并且保留了语音信号中能量最强的部分(基频和谐波),舍弃了语音信号中能量较弱较容易给噪声掩盖的部分,达到抗噪声并且符合CASA匹配的目的。实验证明：虽然此特征对干净语音识别的结果跟流行的MFCC有差距,有待提高,但是在噪声环境下体现出很强的抗噪性,是一种很有前途的鲁棒的语音特征。