高噪声环境下的语音识别是一个很重要的课题，在许多场合有广泛的应用。现有的语音识别系统对于清晰语音有着令人满意的识别结果，但在许多实际环境中，特别是在高背景噪声存在的情况下，它们的性能将会大幅度地下降，因为噪声的影响使得原来纯净语音的模型对于含噪语音来说失配，从而造成识别性能的急剧下降。这也是语音识别系统不能商业化的主要原因之一。解决噪声背景下的语音识别问题主要有三种方法，即采用抗噪声的语音特征、语音增强、语音模板的噪声补偿。　　 本文主要围绕语音增强方法来解决高噪声环境下的语音识别问题，采用小波变换进行语音信号去噪预处理。小波分析由于能同时在时域和频域中对信号进行分析，所以它能有效地实现对信号的去噪。由于可用于去噪的小波母函数是一个集合，在实际应用中采用不同的小波函数、不同的阈值选择规则、不同的阈值调整原则会得到不同的去噪效果。本文对各种方法进行仿真实验分析，实验结果显示采用5层db3小波、heursure阈值选择规则及first layer阈值调整原则对语音信号进行去噪处理能得到更优的去噪效果。为了得到有效的语音段，本文采用短时能量和短时平均过零率相结合方法来进行端点检测，这种算法能够结合短时能量和短时平均过零率的优点，使得判断语音信号的起点和终点更加的准确，降低出现漏检的现象。本文在传统的DTW语音模式匹配的基础上，通过搜索宽度限制和整体路径约束等方法对其进行改进，使得系统能够在识别率几乎不受影响的情况下实现快速的识别响应，尤其是对于小词汇量和特定人识别，可以有效的提高系统识别率和响应速度。