语音识别是人机交互的重要方式之一,近几十年来,语音识别技术从开始发展到如今取得了显著进步,同时也越来越多地被运用于日常生活中。随着语音识别技术的广泛应用,人们对语音识别准确度的要求也与日俱增。深度学习是近年来随着计算技术发展而发展的热门学科之一,它可以通过对人脑结构的模拟来发现数据更本质的特征。如果将深度学习知识应用于语音识别领域中,一定会带来意想不到的收获。本文首先介绍了语音识别系统的整体框架与关键步骤,接着相互对比发现不同技术各自的优缺点,并进行了仿真实验作为验证。本文重点关注了语音识别中的特征抽取以及模型的训练与识别部分,首先分别抽取了语音信号的LPCC参数与MFCC参数进行了抗噪性对比,得出MFCC的性能较LPCC更好,而且静态特征与动态特征相结合的特征参数才能更有效地抵抗噪音干扰的结论。同时实现了基于去噪自动编码器的语音识别,包括了前段特征增强以及后端识别部分等。实验结果表明,深层去噪自编码器在提高语音识别抗噪性方面具有良好表现。