本文对噪音条件下的语音识别进行三个方面的实验研究，提出适合在噪音条件下进行识别的算法。针对通常谱熵法只能在15dB环境下工作的特点，本文提出谱平坦度法，可以在0dB的恶劣环境下稳定地工作。在特征提取过程方面，通常都是取12维MFCC参数。本文利用临界带进行滤波器组选择，加入了听觉响应时间平滑，并适当取舍MFCC成分，仅用3维的MFCC，大大降低了MFCC维数和训练算法复杂度，加速了模型收敛，提高了模型输出概率。实验证明，进行平滑后，模型训练时的输出概率是原来的200倍，说明找到了更好的中心。在模型方面，本文抛弃了状态转移矩阵和初始概率向量，采用音位设置HMM状态数，取得很好的识别效果：一方面可以避免数据不足情况的发生；另一方面，状态数目减少也能提高收敛速度和识别速度。