随着科学的发展和计算机的普及，人们对与计算机的交流方式提出了更高的要求，这促进了语音识别技术的发展，并使之成为语音处理领域中的一个重要研究方向。目前，在实验室环境下，语音识别系统的识别率已经达到了很高的水平，也有一些产品出现，但是由于受现实环境噪声的影响，系统的识别率大幅度下降。因此，噪声是语音识别技术广泛实用化的最大障碍，对噪声环境下语音识别系统的研究也就变得尤为重要。本文主要介绍了三种去噪处理技术：语音增强、基于特征参数补偿方法和基于模型补偿方法，并通过有机结合这三种方法实现了一个孤立词语音识别系统。文章主要分为四个部分，前三部分分别介绍三种去噪处理技术，第四部分介绍此系统和用matlab实现仿真实验过程。第一部分：系统地研究了几种常用的语音增强法，小波分析基本理论以及小波阈值去噪法，提出了首先对带噪语音信号进行基于小波变换的多尺度多阂值语音增强(其中对阈值的选择采样软阈值法)实现第一次去噪，然后进行端点检测。第二部分：在仔细分析语音增强带来的副作用和倒谱归一化方法的基础上，提出了用倒谱归一化方法对增强后的语音信号进行二次去噪，以消除由语音增强引起的类似于信道卷积噪声的影响，即对提取出的MFCC参数进行标准化。第三部分：在学习和研究HMM分解和PMC模型两种去噪方法后，提出了用PMC方法对信号进行第三次去噪，但是此之前要先对信号进行信噪比归一化处理，以避免信号在经过两次去噪处理后已接近于纯净语音时系统识别率下降。最后一部分：本文用Matlab实现仿真实验，通过对比本文提出的方法和其他常用方法的识别率，证明了本文使用三次去噪方法结合的带噪语音识别系统的性能更好。