近年来,深度学习作为一种新兴技术得到了蓬勃的发展,推动了人工智能多个应用领域的巨大突破。语音识别作为最具代表性的人工智能应用之一,在这场技术革命中,承担了主要的角色。在一些信噪比比较高,且说话人距离麦克风比较近的场景中,例如语音搜索、聊天机器人等应用中,语音识别系统的性能已经达到了广泛可用的水平。尽管如此,在另外一些信噪比比较低,或者说话人距离麦克风比较远的场景中,例如会议室环境、公共场所等应用中,语音识别系统的性能很容易受到各类噪声或回声的影响,导致效果不尽人意。在本文中,我们把深度卷积神经网络(Very Deep CNN,VDCNN)引入到了抗噪鲁棒语音识别任务中,深入探讨了输入特征在两个维度上的扩展与模型深度的关系以及对系统性能的影响,探究了对于抗噪鲁棒语音识别任务合适的池化策略和零填充策略,确定了对于深度卷积神经网络更好的输入特征图数量。得到深度卷积神经网络适合抗噪鲁棒语音识别任务的最优结构后,我们进一步把残差学习的思想引入,得到的深度残差网络进一步提高了性能。我们还发现,深度卷积神经网络有模型参数量小,收敛速度快等优势。除了给出实验结果,本文还用可视化的方法分析了深度卷积神经网络的抗噪本质。本课题在两个典型的抗噪鲁棒语音识别任务上进行了验证。本文提出的最好模型在Aurora4任务中取得了8.36%的词错误率,与LSTM-RNN系统相比有相对22%的性能提升,在没有使用任何特征增强和模型自适应方法的前提下与此前最好的系统相比有相对14%的性能提升。在AMI任务中,也取得了比LSTM-RNN系统好相对4%的结果。