语音生成与获取是动力学、声学、数学等诸多基础学科的一个比较前沿的重要交叉点,它也是机器人研究领域中的一个重要分支,对它的理论研究不仅可以使我们更好地分析语音的各个方面,更可以将其应用到现实中非常广阔的实践中去。DIVA(DirectionsInto VelocitiesofArticulators)模型是一种普遍用于语音生成与获取后描述相关处理过程的数学模型,因此基于DIVA模型语音生成与获取的扰动研究,又将为这些领域的研究提供一些可行的依据,并促进这些领域的交叉发展。本文首先介绍了DIVA模型国内外的研究现状和发展动态;然后详细介绍了DIVA模型中前馈控制子系统(预测系统)和反馈控制子系统的相关理论;但是目前这个模型并不完全具备神经学意义上的控制功能,针对这些不足,本文对语音运动控制方面的延迟问题进行了研究,并且针对模型神经网络学习过程中延迟参数变化引起的网络状态扰动问题进行了扰动补偿仿真实验。实验结果表明,本文给出的方法行之有效且鲁棒性良好。接着在理论上对DIVA模型的鲁棒性进行论述,分别对理想状况下的模型和较为复杂环境下的模型的鲁棒性做出概念论述,并进行仿真实验,实验结果表明在一些随机选定的情况下,DIVA模型的鲁棒性都能趋于平衡。最后,对研究内容进行了总结,并指出了后续的研究方向,为进一步的研究开拓了思路。